Кредитная политика коммерческого банка и пути ее совершенствования на примере ОАО «Сбербанк»

Целью ВКР (дипломной работы) является разработка мер и рекомендаций по совершенствованию кредитной политики ОАО Сбербанка РФ.
Для достижения данной цели были поставлены следующие задачи, раскрыть сущность кредитной политики коммерческого банка, функции, виды, цели, принципы и роль, выявить факторы, определяющие формирование кредитной политики коммерческого банка. Раскрыть методологию формирования кредитной политики, дать общую характеристику ОАО Сбербанка, изложить особенности кредитной политики ОАО Сбербанка, проанализировать качество кредитного портфеля и финансовых показателей баланса ОАО Сбербанка, предложить пути совершенствования кредитной политики с помощью применения методики стресс - тестирования. Также предложить использование технологии интеллектуального анализа данных, как спос ...

СОДЕРЖАНИЕ

ВВЕДЕНИЕ……………………………………………………………………...3
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ КРЕДИТНОЙ ПОЛИТИКИ КОММЕРЧЕСКОГО БАНКА
1.1 Сущность и особенности кредитной политики коммерческого банка...7
1.2 Факторы, определяющие формирование кредитной политики коммерческого банка…………………………………………………………...14
1.3 Кредитные операции банка и их организация………………………….23
ГЛАВА 2. ОСОБЕННОСТИ КРЕДИТНОЙ ПОЛИТИКИ КОММЕРЧЕСКОГО БАНКА ОАО «СБЕРБАНК»
2.1 Основные направления и специфические характеристики кредитной политики ОАО «Сбербанк»…………………………………………………….31
2.2 Анализ качества кредитного портфеля банка ОАО «Сбербанк»........37
2.3 Оценка эффективности кредитной политики ОАО «Сбербанк»………………………………………………………………………43
ГЛАВА 3. СОВЕРШЕНСТВОВАНИЕ КРЕДИТНОЙ ПОЛИТИКИ БАНКА ОАО «СБЕРБАНК»
3.1 Использование методики стресс-тестирования как инструмента моделирования кризисных ситуаций……………………..........................50
3.2 Повышение эффективности оценки кредитоспособности……………..55
3.3 Внедрение и использование системы интеллектуального анализа данных как способа снижения кредитного риска…………………………….62
ЗАКЛЮЧЕНИЕ..…………………………………………………………….....69
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ......………………………...72
ПРИЛОЖЕНИЕ…...……………………………………………………………82

ВВЕДЕНИЕ

В условиях финансово-экономического кризиса 2008-2010 гг. взаимоотношения заемщика и кредитора приобрели значительную важность и актуальность. Очевидно, что нехватка финансовых ресурсов приводит к негативным последствиям не только для заемщиков, но и для банков. Это выражается в невозврате кредитов. Не возвраты кредитов способствуют повышению банковских рисков. Для страхования этих рисков, банки поднимают процентные ставки. Высокие процентные ставки не позволят реальному сектору перекредитовываться для обеспечения приемлемого уровня рентабельности и поддержания ликвидности. Это ведет к сбоям в эффективном функционировании нефинансовых предприятий. В свою очередь, предприятия не могут бесперебойно вести обслуживание высоких платежей по банковским кредитам. Качество кредитоспособн ости заемщиков снижается. Что ведет снова к невозврату кредитов. Таким образом, возникает замкнутый круг. Аналогичная ситуация возникает при кредитовании физических лиц. Поэтому на данном этапе представляется особенно важной и актуальной разработка эффективной кредитной политики коммерческих банков.
Проблемами изучения теоретических основ кредитной политики, принципов ее организации, выявлением разнообразия факторов, оказывающих на нее влияние, а также исследованием кредитных операций коммерческого банка и анализом банковских рисков всегда занимались многие зарубежные и отечественные исследователи. Среди иностранных авторов это и такие известные личности, как Хенни Ван Грюнинг, Роберт Мертон др. Среди российских исследователей данной темы следует выделить Лаврушина О.И., Жукова Е.Ф., Тавасиев А.М. и др.
Несмотря на наличие значительного массива научных исследований и практических разработок в области изучения сущности кредитной политики коммерческих банков, а также основ организации эффективной системы управления кредитными рисками вряд ли можно говорить о том, что имеющиеся проблемы нашли свое полное разрешение и единодушно восприняты исследователями. Более того, в исследованиях изученных авторов рассматриваются определенные, довольно-таки узкие темы. Изучение же проблематики построения грамотной системы кредитования банком, а также параллельная оценка эффективности кредитованной политики и разработка конкретных рекомендаций по совершенствованию кредитной политики в комплексном исследовании не нашли своего отражения в научной литературе.
Цель данной дипломной работы – выявить наиболее эффективные методы совершенствования кредитной политики коммерческого банка.
Для достижения поставленной цели дипломной работы необходимо решить следующие задачи:
- определить сущность кредитной политики коммерческого банка, выявив характерные черты данного понятия;
- выявить факторы, оказывающие влияние на формирование кредитной политики;
- охарактеризовать механизм предоставления кредитов заемщикам;
- на основе данных ОАО «Сбербанк» провести оценку эффективности построения кредитной политики и разработать методы ее совершенствования;
- определить наиболее эффективные меры по совершенствованию кредитной политики коммерческого банка.
Объект изучения работы – кредитная политика коммерческого банка.
Предмет изучения – методики совершенствования кредитной политики коммерческого банка.
Дипломная работа состоит из введения, 3 глав, заключения, списка используемой литературы, приложений.
В первой главе раскрываются теоретические основы кредитной политики коммерческих банков. Выявляется гармоническая взаимосвязь кредитной и депозитной политики банка. Коммерческий банк со своими закономерностями и особенностями должен соответствовать пониманию его предназначенности, его существа и социально-экономических функций.
Во второй главе рассматривается организация кредитования ОАО «Сбербанк», особенности его деятельности. Выявляются основные направления и специфические особенности кредитной политики Банка, а также проводится качественный и количественный анализ кредитного портфеля.
В третьей главе даются рекомендации по совершенствованию кредитной политики ОАО «Сбербанк». В частности проводится оценка эффективности использования стресс-тестирования в Банке, а также разработан алгоритм внедрения данной системы в организации. Также анализируются результаты использования новых методик оценки кредитоспособности физических и юридических лиц и возможность их построения на основе системы интеллектуального анализа данных.
Теоретической основной дипломной работы послужили нормативно-правовые акты Российской Федерации, статистические сборники, исследования отечественных и зарубежных ученых, а также материалы периодической печати. Библиографический список представлен в конце дипломной работы.
Методологическая основа включает следующие использованные в работе методы исследования: системный подход к исследуемому объекту, конкретно-исторический, обобщения, анализ и синтез, восхождение от абстрактного к конкретному, методы сравнения и обобщения, метод классификации, расчетный метод.
Статистическая база исследования была сформирована на основе данных, содержащихся в российской и международной статистике: статистических справочников, издаваемых правительством России и неправительственными исследовательскими организациями, Банком России. Существенной в целях исследования была информация таких российских источников, как Росстат, «Консультант плюс», «Гарант».
Научная новизна полученных результатов исследования заключается в обосновании выбора наиболее эффективных методик оценки кредитоспособности юридических и физических лиц, а также в обосновании необходимости применения методики стресс-тестирования в современных коммерческих банках.
Практическая значимость заключается в разработке алгоритма по внедрению данных методик непосредственно в коммерческом банке.

использование приемлемой модели и ее совершенствование;
С использованием этого подхода должны быть созданы анкеты-заявки на получение кредита. Помощь в проверке гипотез может оказать реализованный в Deductor факторный анализ, внедрение которого также следует осуществить в «Сбербанк». Данный инструмент выявляет значимость тех или иных факторов.
Таким образом, задача заключается в построении модели оценки (классификации) потенциальных заемщиков. При этом решение задачи также должно обладать высокой достоверностью классификации, возможностью адаптации к любым условиям, простотой использования модели.
При использовании данной методики выдвигается гипотеза о том, какие факторы влияют на кредитоспособность человека. По мнению экспертов, по этим факторам должен быть учтен суммарный риск. Тем самым должно достигаться и отнесение потенциального заемщика к одной из категорий – «способным вернуть кредит» или «не способным».
Для совершенствования оценки кредитоспособности юридического лица предлагается ввести использование рейтинговой методики.
Использование данной методики, с точки зрения комплексного анализа кредитоспособности заемщика, является наиболее эффективной. Итак, рейтинговая методика построена на иных принципах, нежели иные используемые методики. Рейтинговая система опенки кредитоспособности включает определение кредитного рейтинга заемщика на основе расчета определенных финансовых коэффициентов и экспресс-анализ баланса заемщика. Для лучшего понимания сущности данного подхода обратимся к рисунку 3.1
Рисунок 3.1
Оценка кредитоспособности юридического лица
Таким образом, для оценки кредитного рейтинга заемщика используются следующие показатели:
1. Прогнозируемый денежный поток. Это показатель, который позволяет определить текущую и будущую платежеспособность потенциального заемщика и возможность возврата суммы кредита и процентов по нему. Рассчитывается как разница между выручкой от реализации и краткосрочными обязательствами предприятия Прогнозируемый денежный поток необходимо сравнить с оптимальным денежным потоком, значение которого определяется умножением суммы запрашиваемого кредита на процентную ставку за пользование этим кредитом.
2. Коэффициент прогноза банкротств. С помощью этого коэффициента возможна предварительная оценка финансовой устойчивости потенциального заемщика. Данный показатель рассчитывается, как отношение прогнозируемого денежного потока к общей величине кредиторской задолженности предприятия, при этом рекомендованное значение данного показателя должно быть не менее 0,26.
3. Коэффициент покрытия общей задолженности. Этот показатель характеризует уровень достаточности собственного капитала заемщика и рассчитывается как отношение общей суммы кредиторской задолженности к величине собственного капитала предприятия – потенциального заемщика.
4. Ликвидационная стоимость. Указанный показатель позволяет предварительно оценить уровень ликвидности заемщика. Он представляет собой соотношение быстрореализуемых активов компании и величины краткосрочной кредиторской задолженности Оптимальное значение этого показателя > 1.
5. Соотношение кредиторской задолженности и выручки. Данное соотношение показывает, какую долю выручки от реализации заемщик вынужден отвлекать на возмещение текущей кредиторской задолженности, т.е. дает предварительную оценку эффективности использования заемных средств. Оптимальное отношение краткосрочной кредиторской задолженности к выручке от реализации должно составлять не более 80%.
После расчета вышеперечисленных показателей определяется кредитный рейтинг потенциального заемщика в соответствии со шкалой, представленной в таблице 3.2
Таблица 3.2
Определение кредитоспособности потенциального заемщика, юридического лица
Кредитный рейтинг
Прогнозируемый денежный поток
Значение указанных коэффициентов
Очень высокий
Больше нормативного в 1,5 раза
Оптимальное значение показателей
Высокий
Совпадает с нормативным
Отклонение от оптимального значения любого, но только одного из показателей
Удовлетворительный
Совпадает с нормативным
Отклонение от оптимального значения любых двух показателей
Низкий
-
Отклонение от оптимального значения любых двух показателей
Неприемлемый
-
Отклонение от оптимального значения от трех и более показателей
На основании присвоенного заемщику рейтинга принимается предварительное решение о возможности предоставления ссуды и условиях кредитования. Более того, высокий кредитный рейтинг заемщика дает ему возможность получения кредита на льготных условиях (например, под более низкий процент).
Также возможно внедрения в Банке общей оценки кредитоспособности юридического лица в виде интегральной балльной оценки, представляющей собой сумму произведений удельного веса (уровня значимости) каждого показателя на класс кредитоспособности:
B = ΣPEi *Ci ,
где
В - сумма баллов;
PEi - удельный вес (значимость) i-го показателя;
Q - класс i-го показателя.
По сумме баллов предприятию присваивается определенный класс кредитоспособности (первый, второй или третий), как показано в таблице 3.3
Таблица 3.3
Определение класса кредитоспособности юридического лица по интегральной балльной системе
Наименование отрасли
Коэффициент ликвидности
Коэффициент покрытия
Коэффициент обеспеченности собственными средствами
1 класс
2 класс
3 класс
1 класс
2 класс
3 класс
1 класс
2 класс
3 класс
Отрасль 1
> 0,6
0,6-0,4
<0,4
>1,5
1,5-1,3
1,3-1,0
>50%
50-30%
<35%
Отрасль 2
> 0,4
0,4-0,25
<0,25
>2,0
2,0-1,5
1,5-1,0
>35%
35-25%
<25%
Отрасль 3
>0,45
0,45-0,3
<0,3
>1,8
1,8-1,3
1,3-1,0
>60%
60-45%
<45%
При коэффициентах, все значения которых соответствуют первому классу, количество баллов равно 100, второму классу — 200 и третьему классу — 300. Поэтому предлагается при промежуточной величине баллов, близкой к 100 (т.е. 100-150 баллов), присваивать первый класс; к 200 (151-250 баллов) — второй класс и к 300 (251-300) — третий класс.
При этом следует иметь в виду, что при использовании метода кредитного скоринга для оценки кредитоспособности юридического лица одинаковый уровень показателей и сумма баллов могут быть достигнуты под влиянием разных факторов. Так, например, увеличение общего размера ликвидных средств за счет нормируемых активов далеко не всегда создает прочную гарантию возврата ссуды. Рост значений коэффициента ликвидности и коэффициента покрытия может объясняться сокращением долговых обязательств, и, следовательно, заключение о кредитоспособности клиента будет зависеть от причины этого сокращения.
Класс кредитоспособности не следует повышать даже при условии улучшения уровня показателей, входящих в интегральную систему оценки, наприемр, в следующих случаях:
- рост коэффициента ликвидности произошел только за счет роста дебиторской задолженности или остатков готовой продукции;
- улучшение значения коэффициента покрытия вызвано увеличением запасов нереализованной продукции или незавершенного производства;
- улучшение показателя обеспеченности собственными средствами был осуществлен за счет прироста фондов, связанных с рисковой деятельностью предприятия.
В силу определенных причин для разработки действительно эффективной системы скоринга необходима обширная выборка по компаниям за несколько лет (с уже известными результатами исполнения заемщиками кредитных обязательств) и наблюдение за дальнейшим развитием модели по этой выборке, что сложно по причине отсутствия подобной статистики в России на сегодняшний день.
3.3. Внедрение и использование системы интеллектуального анализа данных как способа снижения кредитного риска
Для снижения риска при кредитовании физ. лиц в ОАО «Сбербанк» предполагается внедрение метода интеллектуального анализа данных.
С учетом особенностей осуществления деятельности ОАО «Сбербанк» следует использовать метод – «дерево решений». Данная модель представляет собой метод представления правил в строго иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, который дает решение. Сущность метода заключается в следующем.
С учетом данных прошлых периодов строится определённое «дерево». При этом класс каждой из ситуаций, на основе которых строится «дерево», заранее известен. В нашем случае должно быть известно, была ли возвращена 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. Критерием разбиения служат различные значения какого-либо входного фактора. Для определения поля, по которому будет происходить разбиение, используется показатель, называемый энтропия - мера неопределенности. Выбирается то поле, при разбиении по которому устраняется больше неопределенности. Следует отметить, что неопределенность тем выше, чем больше примесей (объектов, относящихся к различным классам) находятся в одном узле. При этом энтропия равна нулю, если в узле будут находиться объекты, относящиеся к одному классу.
Полученную модель используют при определении класса вновь возникших ситуаций. В нашем случае «Выдавать / Не давать кредит» при поступлении заявки на получение.
При существенном изменении текущей ситуации на рынке, «дерево» может быть перестроено, т.е. адаптировано к существующей обстановке.
Для демонстрации подобной технологии «Сбер-Банку» следует использовать программу Tree Analyzer из пакета Deductor version 3. В качестве исходных данных может быть взята выборка, состоящая из 1000 записей, где каждая запись представляет собой описание характеристик заемщика, а также параметр, описывающий его поведение во время погашения ссуды. При использовании дерева могут быть использованы следующие факторы, которые определят заемщика:
Номер паспорта;
Фамилия, имя, отчество;
Адрес (фактический, по регистрации и.т.д.)
Размер ссуды;
Срок ссуды;
Цель ссуды;
Среднемесячный доход;
Среднемесячный расход;
Основное направление расходов;
Наличие недвижимости;
Наличие автотранспорта;
Наличие банковских счетов;
Наличие страховки;
Название организации;
Отраслевая принадлежность предприятия;
Срок работы на данном предприятии;
Направление деятельности заемщика;
Срок работы на данном направлении;
Пол;
Семейное положение;
Количество лет;
Количество иждивенцев;
  Срок проживания в данной местности;
Обеспеченность займа;
   Выдача кредита.
При этом очевидно, что поля: «номер паспорта», «фамилия, имя, отчество», «Адрес», «Название организации» алгоритм уже до начала построения дерева решений определит непригодными в силу практической уникальности каждого из значений.
Целевым полем будет являться поле «Выдача кредита». Которое будет принимать значения «Да» (True) и «Нет» (False). При этом полученные значения можно будет интерпретировать следующим образом: «Нет» - плательщик либо просрочил с платежами на длительный период времени, либо не вернул часть суммы. «Да» будет представлять собой противоположность «Нет».
Факторы для построения дерева будут собраны и консолидированы в хранилище данных Deductor Warehouse. При этом, методология хранилища такова, что информация хранится в процессах, каждый процесс имеет определенный набор измерений и фактов. То есть процесс будет реализован по стандартной схеме «Звезда». В ее центре будут храниться факты, а измерения будут лучами. В данном случае при внедрении этой схемы в «Сбер-Банке» процесс будет отображать выдачу кредита заемщику.
Весьма важной и ценной информацией процесса будет представлять статус кредита. Так, хороший кредит – кредит, который был возвращен заемщиком в срок и в полном объеме. При плохом кредите имеет место быть обратная ситуация.
При построении модели оценки кредитоспособности существенная помощь эксперту должна быть оказана разнообразной аналитической отчетностью. Так как данные в хранилище представлены в многомерном виде, то, несомненно, наиболее удобным вариантом будет получение отчетности в виде набора срезов кросс - таблиц.
При анализе полученного «дерева» решений можно сделать вывод, что при его помощи можно проводить анализ значащих факторов. Это достигается благодаря тому, что при определении параметра на каждом уровне иерархии, по которому будет происходить разделение на дочерние узлы, используется критерий наибольшего устранения неопределенности. Следовательно, более значимые факторы, по которым проводится классификация, находятся на более близком расстоянии (глубине) от корня дерева, чем менее значимые.
Например, фактор «Обеспеченность займа» имеет большее значение, чем фактор «Срок проживания в данной местности». Фактор «Основное направление расходов» значим только при условии сочетания с другими факторами. Еще одним интересным примером значимости различных факторов может служить отсутствие в построенном «дереве» параметра «Наличие автотранспорта», что говорит о том, что на современном этапе наличие автомобиля не является определяющим при оценке кредитоспособности физического лица.
Можно заметить, что такие показатели как «Размер ссуды», «Срок ссуды», «Среднемесячный доход» и «Среднемесячный расход» вообще не представлены в полученном «дереве». Данный факт объясняется тем, что в исходных данных присутствует такой показатель как «Обеспеченность займа». Данный фактор является точным обобщением четырех вышеописанных показателей, поэтому при алгоритме построения «дерева» решений был выбран именно он.
Следует отметить, что правильно построенное на данных прошлых периодов «дерево» решения обладает очень важной особенностью. Эту особенность можно назвать способность к обобщению. То есть если возникает новая ситуация (обратился потенциальный заемщик), то, скорее всего, такие ситуации уже были и достаточно много. Вследствие чего можно с большой долей уверенности сказать, что вновь обратившийся заемщик поведет себя так же, как и те заемщики, характеристики которых очень похожи на характеристики вновь обратившегося. Также можно определять принадлежность потенциального заемщика к определенному классу. Для этого необходимо воспользоваться диалоговым окном «Эксперимент».
Используя такой подход представляется возможным устранить сразу оба вышеописанных недостатка скоринговой системы оценки кредитоспособности. Таким образом, стоимость адаптации сводится практически к минимуму за счет того, что алгоритмы построения модели классификации («дерево» решений) - самоадаптируемые модели (то есть вмешательство человека минимально).
Качество результата весьма высоко за счет того, что алгоритм выбирает наиболее значимые факторы для определения конечного ответа. Более того полученный результат является статистически обоснованным.
Таким образом, основными преимуществами системы, предлагаемой для внедрения в «Сбер-Банке» являются:
гибкая интеграция с любыми сторонними системами, т.е. предполагается, что получение информации для анализа и перенос результатов не вызывает проблем;
консолидация информации о заемщиках в специальном хранилище данных, то есть обеспечение централизованного хранения данных, непротиворечивости;
обеспечение всей необходимой поддержки процесса анализа данных, оптимизированного доступа, автоматического обновления данных, использование при работе терминов предметной области, а не таблиц баз данных;
широкий спектр инструментов анализа, т.е. наличие возможности эксперту выбрать наиболее подходящий метод на каждом шаге обработки. Это позволит наиболее точно формализовать знания в данной предметной области;
поддержка процесса тиражирования знаний, т.е. обеспечение возможности сотрудникам, не разбирающимся в методиках анализа и способах получения того или иного результата получать ответ на основе моделей подготовленных экспертом. Так, сотрудник, оформляющий кредиты должен всего лишь ввести данные по потенциальному заемщику и система автоматически выдаст решение о выдачи кредита или об отказе;
поддержка групповой обработки информации, т.е. обеспечение возможности системой дать решение по списку потенциальных заемщиков. Из хранилища автоматически выбираются данные по лицам, заполнившим анкету за определенный период времени. Данные по этим анкетам прогоняются через построенную модель, а результат экспортируется в виде отчета (например, в виде excel файла), либо экспортируется в систему автоматического формирования договоров кредитования или писем с отказом в кредите. Это позволит сэкономить денежные и временные ресурсы;
поддержка актуальности построенной модели, т.е. обеспечение возможности эксперту оценить адекватность текущей модели. А также в случае каких-либо отклонений, перестроить ее, используя новые данные.
Использование этого метода интеллектуального анализа данных (построения «дерева» решений) необходимо для достижения определенной задачи: уменьшения риска при операциях кредитования физических лиц. Следует отметить, что дальнейшие усовершенствования этой модели могут затрагивать такие моменты как:
более точный подбор определяющих заемщика факторов;
изменение самой постановки задачи, так, например, вместо двух значений целевого параметра, можно использовать более детальную информацию. В частности в отношении погашения кредита могут быть использованы такие варианты «Вернул» / «Не вернул» / «Не вовремя».
Таким образом, для эффективного формирования кредитного портфеля ОАО «Сбер-Банк» необходимо взять на вооружение передовые технологии добычи знаний и применить их для оценки потенциальных заемщиков.
Благодаря этому можно будет не бояться предстоящей конкуренции на банковском рынке. Подготовка решения данного вопроса сейчас позволит в дальнейшем избежать ошибок и дополнительных расходов.
Заключение
В ходе исследования были сделаны следующие выводы.
Кредитная политика коммерческого банка представляет собой комплекс мероприятий банка, цель которых – повышение доходности кредитных операций и снижение кредитного риска.
Для понимания сущности кредитной политики необходимо рассматривать ее в совокупности с депозитной политикой банка.
На формирование кредитной политики оказывает влияние множество факторов, которые условно можно разделить на зависящие от банка и не зависящие от него.
В связи с этим кредитная политика коммерческого банка требует проведения глубокого анализа. Исходя из сложившейся экономической ситуации, представляется важным для коммерческих банков использование следующих направлений анализа:
- отбор и подготовка персонала (корпоративная культура персонала в области проведения кредитной политики):
- оценка кредитного портфеля и его контроль;
- внедрение системы стресс-тестирования;
- применение рейтинговых оценок кредитоспособности физических и юридических лиц;
- использование системы интеллектуального анализа данных;
- ценообразование с учетом степени риска;
- диверсификация операций банка: по секторам экономики, регионам, видам операций и услуг с тем, чтобы снизить общий кредитный риск банка. Чем более тщательно банк проводит политику диверсификации, тем больше он ограничивает, снижает специфический (внутренний) банковский риск. Однако общий риск банка включает не только внутренние, но и внешние риски. Например, рыночный риск, внешний для банка, вообще не может быть диверсифицирован;
- создание резервов на покрытие потерь по кредитам в соответствии с правилами бухгалтерского учета и налогообложения;
- тщательный контроль и надзор за проблемными ссудами.
С учетом полученных данных анализа банк сможет разработать концепцию дальнейшего развития. При этом следует иметь в виду, что проведенный анализ позволяет более точно определить ориентацию банка, обосновать корректировки в направлениях развития выбранных банком.
При этом внешняя политика коммерческого банка в части организации кредитной политики должна конкретизировать:
- как банк оценивает состояние экономической и политической ситуации в стране и ее динамику, какие ограничения, исходя из этих факторов, он накладывает на свою кредитную деятельность (по привлечению средств в депозиты и предоставлению ссуд);
- какие целевые рынки и сегменты рынков банк считает перспективными для кредитования (и в каких объемах), а какие - абсолютно неприемлемыми;
- каким минимальным требованиям должны удовлетворять потенциальные заемщики с позиций анализа их кредитоспособности;