Автоматизация методик оценки прогнозирования кредитной политики коммерческой организации

Введение
1. Понятие и роль кредитной политики
2. Классификация и автоматизация методов оценки кредитных рисков
2.1. Классификация методов кредитных рисков
2.2. Автоматизированная система кредитоспособности заемщиков
3. Кредитная политика ОАО «Банк ВТБ» в кризисных экономических условиях
Заключение
Список использованной литературы

Автоматизация методик оценки прогнозирования кредитной политики коммерческой организации

Все методы оценки кредитоспособности заемщика принципиально можно разделить на 2 группы: это экспертные методы оценки и методы, использующие в своей основе автоматизированные системы оценки (1-й уровень классификации). Методы первого уровня определяют характер принятия решения о кредитоспособности конкретного заемщика.
Методы 2-го уровня, представляющие математические средства поддержки принятия решений, включают следующие7:
Статистические методы:
Статистические методы основаны на дискриминантном анализе. Например, методы линейной регрессии, методы логистической регрессии. Наиболее распространенным является метод линейной многофакторной регрессии:

где р - вероятность дефолта,
w - весовые коэффициенты,
x - характеристики клиента.
Достаточно широкое применение на западе получили так называемые «методы кредитного скоринга». Наиболее распространенная из них – «модель Чессера», включает в себя шесть показателей:
x1 – отношение кассовой наличности и рыночных ценных бумаг к сумме активов;
х2 – отношение чистой суммы продаж к сумме кассовой наличности и рыночных ценных бумаг;
х3 – доход до вычета процентов и налогов к сумме активов;
х4 – общая задолженность к сумме активов;
х5 – основной капитал к акционерному капиталу;
х6 – оборотный капитал к общей сумме продаж8.
Из линейного характера регрессионных методов следует, что строящаяся на их основе модель не должна содержать коррелированных характеристик.
Методы линейного программирования
Результатом применения методов линейного программирования также является линейная модель оценки кредитоспособности заемщика, которая не позволяет абсолютно точно классифицировать заемщика, в связи с чем, задача формулируется таким образом, чтобы вероятность ошибки была сведена к минимуму9.
Генетические алгоритмы, нейронные сети
В общем смысле, применение генетических алгоритмов основано на аналогии с биологическим процессом естественного отбора. Для задачи оценки кредитоспособности заемщика этот метод выглядит следующим образом: имеется набор классификационных моделей, которые подвергаются «мутации», «скрещиваются», и в результате отбирается «сильнейший», т. е. модель, дающая наиболее точную классификацию.
Нечеткие множества
Нечетко-множественные модели строят функциональное соответствие между нечеткими лингвистическими понятиями (например, кредитоспособность потенциального клиента может быть оценена как «очень хорошая», «хорошая», «плохая» и т.п.) и специальными функциями, выражающими степень принадлежности значений измеряемых параметров (в данном случае - кредитоспособность) упомянутым нечетким описаниям10.
Неоспоримым преимуществом нечетко множественной модели является ее способность оперировать одновременно как количественными, так и качественными характеристиками.
Одним из вариантов оценки кредитоспособности заемщика с использованием нечетко множественной математической модели, может являться следующий алгоритм:
на первом этапе производится оценка каждой характеристика Клиента, в результате которой тому или иному показателю ставится в соответствие значение функции принадлежности;
далее, посредством соответствующего математического аппарата, производится выбор наиболее подходящей оценки кредитоспособности.
Для вероятностных подходов характерно представление имеющихся значений в виде закона распределения случайной величины, для нечетко множественного подхода – в виде функции принадлежности. Вероятностный подход требует большого количества однородных объектов, нечеткие методы применимы к любому количеству объектов11.
Для применения вероятностных методов при оценке кредитоспособности конкретного предприятия требуется наличие достаточно большой однородной выборки объектов, что является невыполнимым в условиях современной отечественной действительности. В свою очередь, модели, имеющие в своей основе аппарат нечеткой логики, позволяют проводить корректный и качественный анализ кредитоспособности заемщика, при условии грамотного составления экспертом функции принадлежности лингвистических переменных, которыми оперирует модель.
Важными являются также следующие замечания:
нечетко множественные модели позволяют не только ранжировать показатели, входящие в их состав, но также позволяют присваивать так называемые «степени истинности» значений, что является очень важным в настоящее время, учитывая тот факт, что далеко не всегда представляемая финансовая (бухгалтерская и т.д.) отчетность гарантированно может быть признана достоверной;
помимо задачи непосредственно оценки кредитного риска, нечетко множественные модели позволяют реализовать полный цикл оценки кредитоспособности заемщика, с последующим принятием решения, т.е. оценить максимальное значение кредита, оценить качество обеспечения, определить категорию качества заемщика и размер расчетного резерва.
2.2. Автоматизированная система кредитоспособности заемщиков
В процессе своей деятельности банки сталкиваются с различного рода рисками. Среди них центральное место занимает кредитный риск. Кредитные операции являются самой доходной статьей банковского бизнеса. Однако высокая доходность сопровождается, как правило, высоким уровнем риска. Поэтому в условиях развития банковского кредитования, возникает необходимость разработки системы показателей и совершенствования методов оценки кредитоспособности заемщиков, как элемента снижения кредитного риска.
Всестороннее исследование всех факторов риска возможно в современных условиях только с использованием современных информационных технологий.
В настоящее время не существует общепризнанной методики расчета кредитного риска. А адаптация методик, применяемых зарубежными банками, применительно к российским условиям связана с серьезными трудностями:
- сколько и каких показателей использовать для анализа;
- какие значения коэффициентов считать «нормативными» или «критическими»12.
Используемую на Западе методику сравнения значений коэффициентов, характеризующих предприятие, с его более ранними показателями и со средними показателями по отрасли, к которой данное предприятие относится, в наших условиях применить довольно-таки трудно, если вообще возможно. Что, в первую очередь, объясняется постоянными изменениями «правил игры» (налоговое законодательство, другие нормативные акты). А сравнение значений показателей анализируемого предприятия с «нормативными» еще сложнее, поскольку таковых просто нет.
Для решения существующих проблем нами была разработана информационная система, в основе которой лежит совершенно новый подход (метод) к проведению анализа потенциальных заемщиков и их ранжирование по степени надежности путем расчета комплекса финансовых коэффициентов – интегральный метод оценки класса ссудозаемщика. Созданный программный продукт востребован, поскольку в условиях постоянного превышения спроса на кредитные ресурсы над их предложением повышение эффективности процедуры отбора нескольких заемщиков становится первоочередной задачей кредитной политики любого банка.
Предложенная нами базовая схема такого анализа предполагает, что банк оптимизирует распределение ссудных ресурсов и из многих потенциальных заемщиков выбирает наиболее надежных, т.е. он ранжирует их, присваивая каждому рейтинг приоритетности займа (далее - рейтинг ссудозаемщика) и класс ссудозаемщика.
Изучение кредитором форм финансовой отчетности предприятия при этом рекомендуется разбить на блоки. Накопленная в базе информация позволяет нам рассчитать – интегральный рейтинг ссудозаемщика, который обобщает информацию по всем блокам.
Новизна предлагаемой нами системы заключается в инновационном подходе к оценке кредитоспособности заемщика, а также в возможности получения единой, синтетической оценки кредитоспособности заемщика с обобщением цифровых и нецифровых данных (при вынесении профессионального суждения о заемщике). Использование данной системы не ограничивается определением только класса вновь возникших ситуаций (поступила заявка на получение кредита – давать/не давать). Система позволяет (при положительном решении – выдать кредит) на протяжении всего периода действия кредита следить за финансовым состоянием заемщика, обновлять информацию о качестве обслуживания долга и дает возможность немедленного реагирования на все изменения (осуществить ре-классификацию ссуды, уточнить размер резерва); предусмотрено экспортирование в среду Word обоснования об уровне кредитного риска по ссуде. Экспертная оценка квалифицированных аналитиков реализуется модулем получения экспертных выводов прямой цепочкой рассуждения, где в качестве значений целевого параметра выступают категории обслуживания долга (хорошее/среднее/плохое). Необходимо также отметить тот факт, что, в отличие от многих предлагаемых систем оценки кредитоспособности, данная система не просто констатирует «сухую» статистику путем расчета различных показателей, но и позволяет спрогнозировать запас финансовой устойчивости в днях, сделать вывод о надвигающемся финансовом кризисе клиента. Разработанная нами система может использоваться не только на стадии продажи кредитного продукта, но и при его проектировании, поскольку с её помощью можно проанализировать кредитоспособность группы потенциальных заёмщиков, под которую проектируется продукт, и, выделив основные качества заёмщиков, способствующие снижению риска, направить основные маркетинговые усилия именно на таких заемщиков13.
Произведенные нами расчеты показали, что внедрение данной системы позволяет:
улучшить качество кредитного портфеля банка;
избежать распределения части валовой прибыли банком, которая может быть необходима для покрытия будущих потерь по ссудам и поддержания ликвидности банка и качества его активов;
организовать деятельность по изучению проблем бизнеса клиентов, предложению эффективных способов их решения за счет использования имеющихся услуг банка или создания новых и получения на этой основе дополнительного дохода;
значительно снизить возможные потери по ссудам в результате своевременного выявления несостоятельности потенциального заемщика;
существенно увеличить производительность работы сотрудников кредитного отдела путем минимизации ручной обработки операций сотрудниками банка – снижаются издержки на персонал и операционные риски14.
Преимуществом системы является ее гибкость и адаптируемость. При значительном изменении текущей ситуации на рынке цепочку рассуждений можно перестроить, т.е. адаптировать к существующей обстановке. При этом удельный вес каждого блока в совокупной оценке финансового состояния предприятия автоматически зависит от количества коэффициентов, используемых для анализа каждого блока. Таким образом, увеличение количества характеристических коэффициентов в наиболее интересующих инвестора секторах позволяет одновременно получить более подробную информацию и отразить значимость этого сектора в совокупной рейтинговой оценке финансового состояния.
3. Кредитная политика ОАО «Банк ВТБ» в кризисных экономических условиях
 
19 ноября 2008 г. – ОАО «Банк ВТБ» как один из самых крупный банков России, работающий для  50 миллионов вкладчиков и 190 тысяч акционеров, в полной мере осознает свою роль в экономике и понимает необходимость соблюдения баланса между интересами акционеров и клиентов, с одной стороны, и интересами страны в целом, с другой стороны.
ОАО «Банк ВТБ», несмотря на сложные условия и существенно возросшую нагрузку на банк, его сотрудников и инфраструктуру,  продолжает свою деятельность в полном объеме, предоставляя все виды услуг постоянным и новым клиентам, физическим и юридическим лицам, предприятиям крупного, малого и среднего бизнеса, работающим во всех отраслях экономики.
Сложные экономические условия вызывают необходимость изменения Кредитной политики ОАО «Банк ВТБ». Эти условия характеризуются следующими факторами:
Недостаток ликвидности в экономике - как у банков, так и у предприятий
Кризис доверия в экономических отношениях (компании, банки, физические лица)
Низкая доступность кредитов и их повышенная стоимость из-за возросших рисков («кредитное сжатие»)
Снижение платежеспособного спроса как со стороны физических, так и со стороны юридических лиц
Значительное падение цен как на товары, сырье и материалы, так и на активы (недвижимость, ценные бумаги, предприятия)
Повышенные колебания курсов всех валют
 По оценкам экспертов, этот период будет длиться до полутора-двух лет.
Исходя из этого, ОАО «Банк ВТБ» особо рекомендует клиентам использовать консервативный подход к прогнозированию и долгосрочным планам развития бизнеса. А также призывает клиентов, испытывающих или предвидящих финансовые трудности, обсудить их с ОАО «Банк ВТБ» как можно раньше – вместе будет гораздо легче найти решение, не доводя ситуацию до критической. Если же критическая ситуация все же возникнет, ОАО «Банк ВТБ» сделает все для того, чтобы и клиент, и банк вышли из нее с наименьшими потерями.
В этих условиях ОАО «Банк ВТБ» будет придерживаться следующих приоритетов в кредитовании юридических лиц:
- Поддержка следующих отраслей и секторов экономики:
Отрасли, гарантирующие удовлетворение ежедневных и самых необходимых жизненных потребностей населения (розничные сети, аптеки и т.д.)
Отрасли, выполняющие жизнеобеспечивающие функции (электро-, водоснабжение, транспорт и т.д.)
Оборонно-промышленный комплекс
Малый бизнес
Сельское хозяйство
- Поддержка существующих клиентов Сбербанка и выполнение Банком уже взятых на себя юридических обязательств по кредитованию в рамках заключенных договоров, поддержка заемщиков банка, непрерывность деятельности которых является критичной для других заемщиков Сбербанка
- Кредитование оборотных средств и текущих потребностей бизнеса клиентов
 Осознавая особую ответственность перед акционерами и вкладчиками в это сложное время, ОАО «Банк ВТБ» вводит дополнительные меры по эффективному управлению рисками:
Изменение критериев устойчивости бизнеса клиентов применительно к деятельности в сложных условиях
Усиление обеспеченности кредитов:
Достаточными и своевременными денежными потоками от операционной деятельности заемщика
Операционной доходностью бизнеса