Теоретические основы оценки кредитоспособности Текст научной статьи по специальности «Экономика и бизнес»

Оценка кредитоспособности заемщика Текст научной статьи по специальности «Экономика и бизнес»

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Кочкуров Дмитрий Сергеевич

В данной статье были рассмотрены основные виды анализа кредитоспособности заемщика, проведен анализ соответствующих скоринговых моделей , изучены преимущества и недостатки каждой.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Кочкуров Дмитрий Сергеевич

Использование скоринговых моделей для стратегического управления субпортфелем потребительских кредитов

Логит-регрессионная техника моделирования оценки кредитоспособности юридических лиц – сельскохозяйственных организаций (на основе регламента ОАО «Сбербанк России»)

Текст научной работы на тему «Оценка кредитоспособности заемщика»

Кочкуров Дмитрий Сергеевич, Институт экономики и управления, ФГАОУ ВО «КФУ им. В.И. Вернадского», г. Симферополь

Аннотация. В данной статье были рассмотрены основные виды анализа кредитоспособности заемщика, проведен анализ соответствующих скоринговых моделей, изучены преимущества и недостатки каждой.

Ключевые слова: кредитный риск, скоринговые модели, нейронная

В сложившейся сегодня экономической ситуации велик риск роста кредитных рисков, связанных с невозвратом кредитов. Одним из способов снижения кредитных рисков является применение скоринговых технологий, позволяющих быстро оценивать кредитоспособность потенциальных заемщиков на основе их личных данных и кредитных историй.

На данный момент для оценки кредитоспособности физических лиц широко применяется кредитный скоринг — математическая модель оценки кредитного риска, которая основываясь на анализе набора характеристик заемщика позволяет определить его способность вернуть кредит.

По данным Центробанка, доля проблемных кредитов на данный момент составляет около 15 процентов [6], а международные наблюдатели говорят о цифре в два раза большей. Более того, высокий процент невозвратов вызывает повышение процентных ставок по кредитам, что, в конечном счете, отражается на пользователях кредитных продуктов, — снижает доступность кредитов. В данном случае профессионализм управления рисками в сфере розничного кредитования становится невероятно значимым элементом увеличения

конкурентоспособности организации в сегменте банковских услуг.

В работе рассмотрены наиболее распространенные скоринговые модели, использующие различные наборы данных. Выработан ряд предложения по выбору оптимальной модели оценки кредитоспособности заемщика.

В зависимости от типа входных данных о потенциальном заемщике, используемых для анализа кредитоспособности, скоринг делится на 4-х типа:

а) Application-скоринг (кредитный скоринг) — оценка кредитоспособности заемщиков, обратившихся за кредитом по указанным в анкете данным;

б) Fraud-скоринг (скоринг мошенничества) — это скоринг, направленный на выявление возможных мошенников среди лиц, претендующих на получение кредита, или уже существующих клиентов-заемщиков;

в) Collection-скоринг — определение приоритетных направлений работы с неблагонадежными заемщиками;

г) Behavioral-скоринг (поведенческий скоринг) — динамическая оценка ожидаемого поведения клиента, на основании истории транзакций по его счетам — применяется для предупреждения возникновения задолженности [6].

Особого внимания заслуживают методы, используемые в Application- и • Behavioral-анализе, которые могут использоваться как отдельно друг от друга, так и во множестве комбинаций:

— методы статистики (дискретный анализ, линейная регрессия, логистическая регрессия, деревья классификации);

— методы исследования операций (линейное программирование, нелинейная оптимизация);

— методы искусственного интеллекта (нейронные сети, экспертные системы, генетические алгоритмы, метод ближайшего соседа, логико-вероятностные методы, байесовские сети).

Использование статистических методов сводится к построению правила классификации, основанной на линейной скоринговой функции. При этом используются различные подходы [8].

1. Байесовский подход. Предположим, что известны следующие функции и величины:

PG доля «хороших» клиентов, Рв = 1 ~~ — доля «плохих» клиентов;

_ p(x|G), р(х|В) — вероятность того, что «хороший» и «плохой» клиент дадут ответы х;

— L — потери от того, что «хороший» клиент был классифицирован как «плохой»;

— D — потери от классификации «плохого» клиента как «хорошего».

Если допустить нормальность распределения величин p(x|G),p(x|B) с

общей ковариационной матрицей, то можно получить линейное правило:

Такое правило означает, что при каждом выборе ответа х присваивается

«счет» s(i) по формуле s(i) = w1x1 н——h wnxn и означает, что содержит

достаточно информации для классификации классов клиентов. Таким образом,

размерность задачи уменьшается с« с распределениями p(x|G),p(x|B), до 1 с распределениями p(s|G),p(s|B). Нахождение правила классификации тогда

сводится к поиску оптимальной границы с из задачи оптимизации:

2. Множественная регрессия. Другой способ получить линейную функцию скоринга — использовать одну из разновидностей линейной регрессии. В простейшем случае определяется зависимая переменная Y, принимает значение 1 в случае «хорошего» клиента и 0 в случае «плохого», и затем используется метод наименьших квадратов для нахождения весов w

предсказания значения у. При использовании линейной регрессии фактически происходит попытка связать вероятность дефолта г. со значениями ответа на

вопрос линейной функции р = wQ + w1X1 + ■■■ + wnXn.

Т.е., «счет клиента» связывается не с вероятностью дефолта р(вк), а с

5. Генетические алгоритмы представляют собой метод оптимизации, не накладывает стандартных ограничений на целевую функцию (гладкость, выпуклость и т.д.). К генетическим алгоритмам относят два наиболее популярных метода — метод ближайшего соседа и деревья классификации.

Нейронные сети — это математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма.

Байесовские сети позволяют представить многомерные распределения

р(Б|х),р(£|х) в виде комбинаций нескольких более низкой размерности. О этом в ходе построения модели могут быть учтены причинно-следственные связи.

Преимуществом этого метода является возможность вывода по неполным данным. Если информация о потенциальном заемщике не является полной, то алгоритм вывода обнаружит вероятность дефолта, основываясь только на доступных данных [1].

Логико-вероятностный подход основывается в сочетании методов математической логики и теории вероятности. Этот подход можно рассматривать как специальный вид нелинейной регрессии. В качестве параметров модели здесь выступают вероятности дефолта, связанного с той или иной ответ на вопрос в анкете.

Оценочная величина — вероятность дефолта. Для идентификации значений параметров используется специально адаптированные алгоритмы оптимизации [2].

Для эффективной оценки заемщиков, банковское учреждение чаще использует две или более скоринговых моделей. Поэтому очень часто возникает • проблема принятия окончательного решения, когда решение моделей противоречит друг другу.

Существует множество способов определения эффективности моделей (общая точность модели, ошибка I и II рода, ЯОС-кривая и т.д.). Но не всегда они эффективными, поэтому банк чаще всего использует экспертную оценку.

Как показывает практика, экспертное мнение довольно эффективным методом оценки, но также имеет негативные стороны, приводит к необъективной оценки клиента [4].

Была разработана модель, исключающая влияние человеческого фактора, модель принятия окончательного решения.

Допустим, что две скоринговые модели (т = 2), независимо друг от друга принимают решения о предоставлении кредита, которое может находится в одном из двух возможных состояний с известными вероятностями

р(рт)’Р(р|) + рЫ = 1 • Пусть известны вероятности ошибок первого и второго

рода личных решений независимых экспертов рсод = 1,2.

Тогда коллективное решение Б = т, т = Т|2 является оптимальным с точки зрения минимума средней вероятности ошибки на множестве возможных ситуаций, а именно:

где = — функция, показывающая, какое решение (г^) приняла

скоринговая модель. Если в ситуации 5т ,„ ф т2 коллективное решение Б = 1 принимается в пользу при условии

Согласно этому можно сделать вывод, что при выполнении неравенства в первом случае, то кредит предоставляется клиенту, если во втором — банк не предоставляет кредит [3], [4].

Наиболее существенным научным результатом, что отражает новизну и теоретическое значение исследования являются оценка заемщика на основе нескольких моделей и в случае противоположных решений каждой модели, окончательное решение принимается, основываясь на построенной модели принятия коллективного решения. Кроме этого, полученный результат может быть полезным основой для дальнейших теоретических и практических • исследований в данном направлении.

1. Churchill G. A, Nevin J. R, Watson R. R: The role of crédit scoring in the loan décision. Credit World. — March, 1977; Myers J. H, Forgy E. W. The development of numerical credit evaluation systems // Journal of American Statistical Association. -September, 1963 — 15000 р. — ISBN 0-87168-441-1.

2. Челноков В. А. Деньги, кредит, банки: учеб. пособие / В. А. Челноков. — М.: ЮНИТИ: ЮНИТИ-ДАНА, 2005. — 366 с. — Библиогр .: с. 362. — 30000 экз. -ISBN 5-238-00817-1.

3. Жуковская О. А., Файнзильберг Л. С. интервальной обобщение байесовской модели принятия коллективного решения в конфликтных ситуациях // Кибернетика и системный анализ. — 2005. — №3. — С. 133-144

4. Жуковская О. А. Интервальные модели принятия коллективных решений в конфликтных ситуациях // Международная конференция «Проблемы управления и приложения ». Минск, 2005.. 32 с. — 1000 экз.- ISBN 5-215-01358-6.

5. Ким Дж. А. Факторный, дискриминантного и кластерный анализ / Дж. О Ким, Ч. У Мюллер. — М .: Финансы и статистика, 1989. — 215 с. — 35000 пр. — ISBN 58135-0145-2.

Теоретические основы оценки кредитоспособности Текст научной статьи по специальности «Экономика и бизнес»

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Ханнанова Екатерина Анасьевна

В статье рассматриваются теоретические основы оценки кредитоспособности физических лиц. Оценка кредитоспособности заемщика один из важнейших моментов процесса кредитования. Это вполне обоснованное действие со стороны финансовых учреждений, поскольку правильность оценки способности заемщика выплачивать кредит и проценты по нему непосредственно влияет на следующие параметры банка риск, качество кредитного портфеля, потенциальный уровень выплаты долга, возникновение просроченных платежей, и, как следствие, на итоговую прибыль кредитной организации.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Ханнанова Екатерина Анасьевна

Текст научной работы на тему «Теоретические основы оценки кредитоспособности»

Теоретические основы оценки кредитоспособности Ханнанова Е. А.

Ханнанова Екатерина Анасьевна /Hannanova Ekaterina Anasyevna — аспирант, кафедра экономики, Сибирский институт бизнеса и информационных технологий, г. Омск

Аннотация: в статье рассматриваются теоретические основы оценки кредитоспособности физических лиц. Оценка кредитоспособности заемщика — один из важнейших моментов процесса кредитования. Это вполне обоснованное действие со стороны финансовых учреждений, поскольку правильность оценки способности заемщика выплачивать кредит и проценты по нему непосредственно влияет на следующие параметры банка — риск, качество кредитного портфеля, потенциальный уровень выплаты долга, возникновение просроченных платежей, и, как следствие, на итоговую прибыль кредитной организации. Ключевые слова: решение, мошенничество, кризис, банк, кредит, проблемы, оценка кредитоспособности, способы, финансовые показатели.

Как правило, единой, универсальной методики для всех финансовых учреждений не существует. В каждом банке кредитными специалистами разрабатывается индивидуальная оценка кредитоспособности заемщика. Однако общие моменты все же присутствуют в методиках банков, хотя и составлены они абсолютно разными людьми. Естественно, что начальный уровень оценки начинается с определения заемщика как физического или юридического лица. Анализ кредитоспособности заемщика как юридического лица — очень трудоемкий процесс, основывается он на разнообразных моделях и методах оценки финансового состояния и платежеспособности.

Прежде всего, рассматривается исходная финансовая отчетность компании, в частности, структура и динамика финансовых потоков, обязательств и активов организации, а также коэффициенты, характеризующие финансовое состояние компании. Если юридическое лицо может представить огромное количество документов, на основании которых можно провести финансовый анализ, то оценка кредитоспособности заемщика как физического лица проводится по абсолютно иной схеме. Исходная информация о платежеспособности частного заемщика включает в себя следующие параметры — динамика доходов, уровень расходов в настоящий момент, наличие кредитных, административных и других обязательств [7, с. 26].

При оформлении любого вида кредита каждый банк или иное финансовое учреждение всегда проводит анализ кредитоспособности заёмщика. Это важный аспект, без которого не обходится ни одна заявка на получение кредита. Банк объективно оценивает заемщика по различным параметрам и делает выводы относительно того, можно ли ему выдать заем и какой лимит кредитования для него оптимален [1].

В спорных моментах банк может обратиться к анкетным данным заёмщика более углублённо, чтобы проанализировать его дальнейшую кредитоспособность. Тогда может применяться балльная оценка заёмщика. За некоторые данные гражданину присваиваются баллы, при наборе минимального их количества может быть принято положительное решение. Это зависит от места работы клиента, его стажа, должности, деловой репутации и пр. [8].

Скоринговый метод проведения оценки заёмщика. Это балльная оценка потенциального заёмщика, которая очень часто применяется в банках, а в микрофинансовых организациях чаще всего опираются именно на скоринг [6, с. 66].

Скоринг — это специальная программа, которая на основании введённых данных о заёмщике выводит ему определённую оценку в виде баллов. Набрал нужное количество — получил одобрение. Заявка может вообще не рассматриваться человеком, особенно часто это встречается при микрокоредитовании, товарных кредитах, срочных кредитах с быстрым принятием решения. То есть всё рассмотрение проводит программа, именуемая скорингом [1].

Для начала банк проводит анализ тысячи заёмщиков и их кредитных историй, чтобы вывести своего идеального клиента. Допустим, анализ показал, что реже всего допускают просрочки граждане в возрасте 35-40 лет, значит, заявители этого возврата получат наибольший балл скоринга по критерию возраста. А молодые заявители, которые чаще всего допускают просрочки, получат наименьший балл за возраст. Или по статистике мужчины совершают нарушения в выплатах чаще, чем женщины, поэтому за половую принадлежность также назначается определённый балл.

Модель кредитного скоринга Дюрана. Каждый кредитор устанавливает свою систему баллов, рисует свой портрет идеального заёмщика, поэтому вновь о единственно верном эталоне говорить не следует. Для примера можно привести модель кредитного скоринга Дюрана, который применяется некоторыми кредитными организациями. Он предполагает следующие критерии и баллы:

— пол. Мужской — 0 баллов, женский — 0,4 балла;

— возраст. До 20 лет — 0 баллов. Свыше — 0,1 балла за каждый последующий год. На этом пункте можно получить не более 0,3 балла;

— срок проживания в регионе-городе оформления. За каждый год назначается 0,042 балла. За этот пункт можно получить максимум 0,42 балла;

— профессия. Связанная с риском — 0 баллов, с низким риском — 0,55 балла, остальные — 0,16 балла;

— финансовые показатели. Оформление страховки — 0,19 баллов, наличие собственной недвижимости — 0,35 балла, наличие банковских счетов — 0,45 балла;

— место работы. Предприятие или общественная отрасль — 0,21 балла, другие — 0 баллов;

— стаж. 0,059 балла за каждый год работы на текущем месте.

Это примерный показатель начисления баллов, как уже говорилось, каждый банк разрабатывает собственную модель скоринговой оценки заёмщика. Туда могут входить и такие критерии:

— кредитная история заявителя. Чем лучше, тем выше балл;

— должность. Руководители получают больший балл;

— семейное положение. Состоящие в браке получают наибольший балл;

И также в любом случае проводится анализ кредитоспособности заёмщика, выводится его коэффициент. По совокупности коэффициента и балла при скоринге выносится решение об одобрении или отказе в выдаче кредита [15, с. 65].

Оценка кредитоспособности заемщика зависит и от вида кредитования. К примеру, в последнее время широко применяется скоринговая методика, основанная на анализе минимального количества информации о заемщике. В частности, здесь рассматриваются такие параметры, как возраст клиента, его трудовой и социальный статус и, конечно, доходы. Как правило, решение по таким кредитам принимается в минимально короткий срок, некоторые банки предлагают оформление всего за час.

Были определены ключевые проблемы существующей системы оценки кредитоспособности:

1. Общеэкономическая тяжёлая ситуация в стране [4, с. 180].

2. Медленная корректировка предельных значений показателей кредитоспособности с учетом изменившихся экономических условий.

3. Использование при оценке платежеспособности, в основном, только финансовых коэффициентов.

После подробного рассмотрения всех вышеизложенных недостатков методики оценки платежеспособности и мы разработали ряд рекомендаций по их совершенствованию:

1. На данном этапе развития общеэкономическую ситуацию в нашей стране можно назвать тяжёлой и это те реалии, к которым должны быть готовы и банки, и их клиенты. Но кризис не может быть вечным и рано или поздно экономика России вновь начнёт активно развиваться. Поэтому сейчас как никогда необходимо внимательно относиться к оценке кредитоспособности, чтобы неверные решения не приводили к ухудшению положения банков и разорению населения [6].

2. Ни в одной стране мира экономическая ситуация не остается постоянной, она всегда развивается. Чем более неустойчивой и разнообразной становится экономика, тем более глубокий смысл приобретет понятие кредитоспособности заемщика банка. Поэтому при изменении экономических условий, банкам необходимо ежедневно отслеживать, и при необходимости, корректировать нормативные значения финансовых показателей, необходимых для расчета оценки кредитоспособности заемщика банка.

3. В нашей стране банки уделяют большее значение количественному анализу кредитоспособности заемщика, нежели качественному. Качественный анализ обычно проводится только в ходе собеседования (интервью) с потенциальным заемщиком на начальных этапах кредитования и практически не влияет на решение банка о выдаче кредита [5].

4. Для решения вопроса предотвращения мошенничества и предоставления заёмщиками недостоверных данных можно наладить сотрудничество с государственными ведомствами и получать от них требуемую информацию, к которой можно отнести:

а) получаемые доходы (используя базу банных Пенсионного фонда РФ);

б) имеющаяся недвижимость, земельные участки, их площадь и месторасположение (используя базу данных Бюро технической инвентаризации и департамента юстиции);

в) наличие автотранспорта, его возраст (база данных ГБДД);

г) подтверждение данных о регистрации (несмотря на предъявление паспорта, т. к. данные о регистрации могут быть фальшивыми — база данных ПВС);

д) привлечение данных специализированных кредитных бюро (необходимость которых в банковском ритейле очевидна) о наличии срочных и погашенных кредитов в других банках.

Подобные запросы должны осуществляться на договорной основе, в режиме реального времени, в максимально быстрые сроки. Их использование сильно осложнит жизнь мошенникам и упростит процедуру подачи заявки обычным клиентам, которым не придётся предоставлять дополнительные документы.

В целом, можно сделать вывод, что объективная оценка платежеспособности и кредитоспособности клиента является одним из наиболее важных методов снижения кредитного риска и успешной реализации кредитной политики, поскольку позволяет избежать необоснованного риска еще на этапе рассмотрения заявки на предоставление кредита.

Каждый банк назначает свою минимальную планку количества баллов, которого будет достаточно для вынесения положительного решения по заявке. В одном банке этот порог может быть низким, а в другом более высоким. В этот порог банки закладывают и собственные риски. Они просчитывают, сколько им понадобится качественных заёмщиков, чтобы покрыть убыточные просроченные договоры [3, с. 10].

1. Архив рубрики: Финансы и Кредит. [Электронный ресурс]. Режим доступа: http://bukvi.ru/fmance-2/finansy-i-kredit/.http/ (дата обращения: 16.12.2016).

2. Жукова Е. Ф. Деньги. Кредит. Банки. Ценные Бумаги: Учеб. пособие для вузов / под ред. проф. Е. Ф. Жукова, 2014. 310 с.

3. Лозинская А. М., Ожегов Е. М.Оценка кредитного риска при ипотечном жилищном кредитовании / А. М. Лозинская // Прикладная эконометрика, 2014. № 35 (3). С. 3-17.

4. Маргарян Я. А. Актуальные проблемы мошенничества в сфере финансов / Я. А. Маргарян, Н. Г. Овчинникова, Л. Л. Жабыко // Экономика и современный менеджмент: теория и практика, 2014. № 37. С. 177-182.

5. Национальное бюро кредитных историй. [Электронный ресурс]. Режим доступа: http://nbki.ru. http/ (дата обращения: 16.12.2016).

6. Ниворожкина Л. Н. Эконометрическое моделирование риска выплат по потребительским кредита / Л. Н. Ниворожкина // Прикладная эконометрика, 2013. № 30. С. 65-76.

7. Ольшаный А. И. Банковское кредитование: российский и зарубежный опыт / А. И. Ольшаный. М.: Финансы и статистика, 2013. 352 с.

Недостатки налоговой системы Российской Федерации и возможные направления ее совершенствования на примере Красноярского края

Васильева Анна Евгеньевна / Vasileva Anna Evgenevna — студент, кафедра экономики и управления бизнес-процессами, факультет экономической безопасности, Сибирский федеральный университет, г. Красноярск

Аннотация: в статье анализируются основные проблемы функционирования налоговой системы Российской Федерации и возможные направления ее совершенствования. Ключевые слова: налоговая система, налоговая нагрузка, недостатки налоговой системы.

Понятие «налоговая система» относится к наиболее сложным проблемам юридической и экономической наук. В современном законодательстве в области налогообложения отсутствует нормативное определение понятия налоговой системы. Действовавшая ранее статья 2 Закона «Об

Методы оценки кредитоспособности заемщика Текст научной статьи по специальности «Экономика и бизнес»

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Асланова Л. О., Куготова А. Г.

Статья посвящена проблемам оценки кредитоспособности заемщика. Раскрыты существующие подходы к определению понятия «кредитоспособность», дана сравнительная характеристика методик, применяемых в разных странах, в т.ч. и в российских банках.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Асланова Л. О., Куготова А. Г.

Текст научной работы на тему «Методы оценки кредитоспособности заемщика»

МЕТОДЫ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА

Кабардино-Балкарский государственный университет им. Х.М. Бербекова, г. Нальчик

Статья посвящена проблемам оценки кредитоспособности заемщика. Раскрыты существующие подходы к определению понятия «кредитоспособность», дана сравнительная характеристика методик, применяемых в разных странах, в т.ч. и в российских банках.

Проблема выбора показателей для оценки кредитоспособности была актуальна во все периоды развития банковского дела. Значение успешного решения этой задачи возрастает в связи с тем, что существуют ограничения в стремлении каждого современного банка к расширению клиентуры как предпосылки увеличения кредитных вложений и роста прибыли банка. Перестройка кредитной системы страны, образование коммерческих банков и переход к двухуровневой структуре банковской системе, ориентация на рыночный характер экономики потребовали более глубоких подходов к проблеме оценке банками кредитоспособности заемщиков, что обуславливает актуальность выбранной нами темы.

* Ассистент кафедры Экономической теории.

ка должна включать не только односторонний финансовый анализ, но и ряд других блоков, позволяющих всесторонне анализировать предприятия.

В мировой практике существуют различные методы оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании друг с другом (табл.1).

Системы оценки потенциальных заемщиков — юридических лиц, применяющиеся в зарубежной и российской банковской практике [6, 9]

1. P — Person — информация о персоне потенциального заемщика, его репутации

2. A — Amount — обоснование суммы испрашиваемого кредита

5. E — Expediency — целесообразность кредита

б. R — Remuneration — вознаграждение банка (процентная ставка) за риск предоставления кредита

3. M- Means — анализ необходимости обращения за ссудой

7. I- Insuranse — способ страхования кредитного риска

1. CAPASITY — способность погасить ссуду

2. CHARACTER — репутация заемщика (честность, порядочность, прилежание)

3. CAPITAL — капитал, владение активом как предпосылка возможности погашения ссудной задолженно ста

4. COLLATERAL — наличие обеспечения, залога

5. CONDITIONS — экономическая конъюнктура и ее перспективы

1. «солидность» — ответственность руководителей, своевременность расчетов по ранее полученным кредитам

2. «способность» — производство и реализация продукции, поддержание ее конкурентоспособности

3. «доходность» — предпочтительность вложения в данного заемщика

4. «реальность» — достижения результатов проекта

5. «возвратность» — за счет реализации материальных ценностей заемщика, если его проект не исполнится;

б. «обеспеченность» кредита юридическими правами заемщика

Следует остановиться на скоринге — одном из основных способов оценки кредитного риска. Скоринг является одним из наиболее успешных примеров использования математических и статистических методов в бизнесе [10].

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» кли-

кардинальных потрясений типа событий августа 1998 г. [7] и кризиса мировой экономики 2008-2010 гг.

В России использование скоринг-систем тормозится, прежде всего, относительно низкими объемами кредитования. Еще один неблагоприятный фактор — недостаточная распространенность таких универсальных статистических пакетов, как 8А8 и 8Р88.

В заключение хотелось бы отметить, что в России внедрение скоринга тормозится не столько объективными, сколько субъективными причинами, связанными с недоверчивым отношением банковских менеджеров к математическим и статистическим методам.

1. Федеральный закон от 02.12.1990 № 394-1 (ред. от 21.03.2002) «О Центральном банке Российской федерации (Банке России)».

2. Федеральный закон от 30 декабря 2004 г. № 218-ФЗ «О кредитных историях».

3. Андреев В.Д. Анализ финансово экономической деятельности предприятия: учебное пособие. — М.: Дело и сервис, 2009.

4. Анущенко М.Р. Оценка кредитоспособности предприятия: учебное пособие. — М.: Экономикс, 2008.

5. Байдин Е.В., Байдина О.С. Некоторые аспекты регулирования кредитного риска // Деньги и кредит. — 2008. — № 1. — С. 53-56.

6. Банковское дело: современная система кредитования: уч. пособие / О.И. Лаврушин, О.Н. Афанасьева, С.Л. Корниенко; под ред. засл. деят. науки РФ, д-ра эконом. наук, проф. О.И. Лаврушина. — 3-е изд., доп. — М.: КНОРУС, 2007.

7. Графова Г.Ф. Об оценке кредитоспособности заемщика // Финансы. — 2002. — № 4. — С. 15.

8. Гром А.Д. Оценка кредитоспособности заемщика — юридического лица. — М.: Финансы и статистика, 2008.

9. Ковалев В.А. О кредитоспособности заемщика // Деньги и кредит. -2008. — № 1. — С. 56-60.

10. Масленников В.В. Зарубежные банковские системы — М.: Элит-2000, 2005. — 348 с.

11. Миколай М.П. Система оценки кредитоспособности заемщика. -М.: Аскери-асса, 2007.

12. Нестеренко М.П. Деньги, кредит, банки. — М.: МТ Пресс, 2009.

13. Олоян К.А. Об оценке кредитного качества корпоративного заемщика // Деньги и кредит. — 2008. — № 8. — С. 37-43.

14. Петров А.Ю. Анализ кредитоспособности заемщика // Бухгалтерия и банки. — 2005. — № 11. — С. 33-36.

Оценка кредитоспособности ипотечных заемщиков в РФ Текст научной статьи по специальности «Экономика и бизнес»

В статье исследуется кредитоспособность ипотечных заемщиков и две методики ее оценки «ручной» андеррайтинг и андеррайтинг на основе скоринга. Целью является поиск оптимального метода оценки кредитоспособности ипотечных заемщиков в России в настоящий момент.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Рощина Я.А.

Assessment of Creditworthiness of Mortgage Borrowers in the Russian Federation

The article examines creditworthiness of mortgage borrowers and two methods of its assessment «manual» underwriting and underwriting based on scoring. The aim is to find the optimal method for assessing creditworthiness of mortgage borrowers in Russia at the moment.

Текст научной работы на тему «Оценка кредитоспособности ипотечных заемщиков в РФ»

Московского государственного университета им. М.В. Ломоносова,

В статье исследуется кредитоспособность ипотечных заемщиков и две методики ее оценки — «ручной» андеррайтинг и андеррайтинг на основе скоринга. Целью является поиск оптимального метода оценки кредитоспособности ипотечных заемщиков в России в настоящий момент.

Специфика ипотечного кредитования в Российской Федерации состоит в относительно низком уровне доходов населения, высоких темпах инфляции, недоверии населения к банковской системе. На фоне нестабильности макроэкономической ситуации в стране и мире это приводит к значительному увеличению уровня риска для банков, что влечет за собой установление более жестких параметров кредитования — процентной ставки, срока кредита, размера первоначального взноса. Это, в свою очередь, делает ипотеку менее доступной для российских заемщиков. Поэтому важной и актуальной является задача грамотного управления

рисками банков на рынке ипотечного кредитования в Российской Федерации. Для управления одним из основных видов риска -кредитным банки проводят оценку кредитоспособности заемщиков

— оценка вероятности погашения кредита и определение его максимальной суммы с учетом доходов заемщика, наличия собственных средств для первоначального взноса и оценки предмета ипотеки (6).

Андеррайтинг — «ручной» и с использованием скоринга

В настоящий момент большинство банков Российской Федерации для оценки кредитоспособности ипотечных заемщиков используют

— снижение субъективности рассмотрения заявки;

— улучшение управляемости кредитными рисками;

— снижение временных затрат на оценку кредитоспособности;

— снижение требований к квалификации сотрудников отдела андеррайтинга.

Вместе с тем существуют объективные, неустранимые в ближайшие несколько лет причины, препятствующие широкому распространению скоринговых систем в Российской Федерации:

— некорректное представление сведений (при отсутствии продуманной технологии их сбора и контроля над ее соблюдением данные могут собираться отрывочно, бессистемно, их анализ может привести к неверным выводам);

— отсутствие опыта внедрения и использования скоринговых систем в России;

— высокая стоимость и недостаточный учет российской специфики, особенно для надежных многофункциональных иностранных скорин-говых систем.

Сделаем два вывода о текущей ситуации в сфере оценки кредитоспособности ипотечных заемщиков в Российской Федерации.

1. Будущее — за скоринговыми системами: со временем статистические данные будут накапливаться, способы их представления будут совершенствоваться, и даже дороговизна таких систем не сможет долго сдерживать их распространения.

2. В ближайшие несколько лет большинство крупных ипотечных банков будет осуществлять сбор данных

для будущего внедрения или разработки скоринговой системы. На этом промежуточном этапе невозможно использовать все преимущества такой полноценной системы, однако есть возможность использовать их частично. Для этого предлагается использовать процедуру прескоринга -предварительной автоматической проверки предоставленных заемщиком сведений на удовлетворение следующим критериям:

— полнота информации (предоставлены ли необходимые сведения в полном объеме);

— соответствие основным требованиям банка;

— наличие дохода, достаточного для получения запрашиваемого кредита. При этом детальный анализ соответствия по доходу должен осуществляьтся на этапе рассмотрения заемщика сотрудником отдела андеррайтинга, здесь же речь должна идти о предварительной оценке;

— отсутствие заемщика в «черных списках» банка (списках службы безопасности, списках клиентов, имевших проблемы при выплате ранее взятых кредитов, и т.д.).

В случае неудовлетворения какому-либо критерию заявка отправляется на доработку сотруднику, принявшему документы. Важно, что прескоринг проводится сразу после ввода информации о заемщике в базу данных банка, что позволяет частично решить проблему «напрасной» работы различных служб банка по заемщикам, которым будет отказано в кредите, путем отсечения изначально не

ипотечное кредитование, кредитоспособность заемщиков, андеррайтинг заемщиков, скоринговая система

mortgage lending, creditworthiness of borrowers, underwriting of borrowers, scoring system

Оптимальный метод оценки кредитоспособности заемщиков

Это классическая задача о рюкзаке, одним из методов решения которой является следующий алгоритм (8).

1. Выбрать максимально эффективную процедуру, с эффективностью

2. Упорядочить процедуры по удельной эффективности и приме-

1. Руководство по кредитному ско-рингу: под ред. Э. Мэйз. / Науч. ред. Д.И. Вороненко. — Минск:

2. Волошин Г.Я. Методы оптимизации в экономике. — М.: Дело и сервис, 2004.- 320 с.

3. Сергеев Д.А. Влияние системы ипотечного кредитования на преодоление кризисных явлений в экономике. Финансовые проблемы Российской Федерации и пути их решения: теория и практика // Материалы Международной научно-практической конференции. -СПб.: Нестор, 2000. — c.186 — 191.

4. Селюков В.К., Гончаров С.Г. Управление рисками. Ипотечная сфера. — М.: МГТУ им. Баумана, 2001.- 360 с.

5. Павлова И.В. Ипотечное жилищное кредитование. — М.: БДЦ-пресс, 2004. — 272 с.

6. Гриненко С.В. Экономика недвижимости: конспект лекций. -Таганрог: ТРТУ, 2004. — 100 с.

7. Chandler G.G., Coffman J.Y. A Comparative Analysis of Empirical

оптимальным методом оценки кредитоспособности заемщиков при ипотечном

кредитовании является андеррайтинг с помощью скоринговой системы

vs. Judgmental Crédit Evaluation // Journal of Retail Banking. — 1(2). -1979. — p. 15-26.

8. Кузюрин Н.Н. Эффективные алгоритмы и сложность вычислений. (Электронный ресурс]. — Электрон. дан. — Режим доступа: http:// discopal.ispras.ru/lectures/book-advanced-algorithms.pdf.

Post-graduate student, Department of Economics, Lomonosov Moscow State University, expert, UniCredit Bank CJSC

Assessment of Creditworthiness of Mortgage Borrowers in the Russian Federation

The article examines creditworthiness of mortgage borrowers and two methods of its assessment — «manual» underwriting and underwriting based on scoring. The aim is to find the optimal method for assessing creditworthiness of mortgage borrowers in Russia at the moment.