BI Partner. Аналитические системы для бизнеса О компанииУслугиПродуктыПрактикаБиблиотекаПроектыНовости

 Главная  Библиотека – Статьи – Deductor:Credit – кредитование физических лиц

Консалтинг. Аналитические системы для бизнеса
Вакансии Контакты Обратная связь
 
 

 

 

Deductor:Credit - кредитование физических лиц

1 2 3

В настоящее время в российской экономике наблюдается стабилизация, постепенное увеличение жизненного уровня населения. Это способствует более оптимистичному взгляду на будущее. Складывающаяся ситуация явилась одной из основных причин развития рынка кредитования частных лиц: выдачи потребительских кредитов, автокредитования, ипотечного кредитования, образовательного кредитования, кредитования при помощи пластиковых карт. При этом нужно принимать во внимание, что кредитование всегда связано с риском.

На фоне правовой неопределенности вопросов, связанных с кредитованием, перед банками возник целый ряд проблем снижения рисков и устранения случаев мошенничества. В данной статье перечислены основные проблемы кредитования физических лиц, а также способы их решения.

Алексей Арустамов

Есть проблема

В мировой практике существует ряд направлений кредитования физических лиц. Приведем краткое описание проблем, связанных с их реализацией в РФ.

Несомненно, самым перспективным является рынок ипотечного кредитования. В большинстве банков уже есть свои собственные наработки в данной области, выраженные в виде программ ипотечного кредитования. Но доходность здесь небольшая, поскольку кредитование не имеет массовый характер. Деятельность в данной области связана с большим количеством рисков, касающихся в основном длительности периода кредитования. Поэтому стоимость кредитной услуги очень велика. Для привлечения клиентов необходимо, в первую очередь, снижение процентной ставки за счет исключения из нее риска неплатежа. Для этого банки должны отсечь 'плохих' заемщиков и предупредить случаи невозврата и, соответственно, дополнительные расходы с этим связанные.

Менее всего развит рынок образовательного кредитования. Основная его идея состоит в разрыве замкнутого круга: отсутствие необходимого образования – низкий заработок – отсутствие средств на образование – отсутствие необходимого образования. Особенности же образовательного кредита состоят в низкой процентной ставке (максимально приближена к ставке рефинансирования) и большим сроком возврата кредита (до 10 лет). Исходя из зарубежного опыта в данной области, можно сказать, что для развития этого вида кредитования необходимы:

1.

Законодательная база предоставления финансовой помощи для всех желающих и способных получить образование;

2.

Гарантия возврата кредита государством, позволяющая ему взять значительную часть рисков на себя. Тем самым обеспечиваются благоприятные условия кредитования.

На сегодняшний день данные условия не обеспечены, поэтому банки вынуждены завышать стоимость кредита. Т.е. банкам для снижения рисков и здесь необходима достоверная система классификации заемщиков.

Автокредитование по доходности стоит на первых позициях данного рынка. В настоящее время в России 15 – 20% всех автомобилей реализуется с помощью кредитов, а в некоторых автосалонах в кредит приобретается до 70% автомобилей. Как правило, автомобиль же и используют в качестве залога. Но даже в такой ситуации недобросовестный заемщик, ввиду отсутствия регистрации залога – движимого имущества, вполне может повторно заложить или продать автомобиль.

Кредитование товаров длительного пользования берет своей массовостью. Большинство кредитов данной области не превышают 10000 рублей. В случае же мошенничества или дефолта заемщика банк должен нести затраты соизмеримые с суммой кредита. Данная проблема возникла в начале 2004 г . на Украине, где доля проблемных займов достигла 25% в портфелях потребительского кредитования. Практика перекладывания рисков на заемщиков в данном случае может помочь только на первых порах. В условиях конкуренции выиграет тот, кто минимизирует риски, опять же достоверно определив, какой клиент 'хороший', а какой 'плохой' и предложит заемщикам более выгодные условия.

К области потребительского кредитования относится и применение кредитных карт. Данное направление пока еще не имеет широкого распространения. Стоимость услуги очень высока. Она зависит от времени, которое проходит с момента получения денег заемщиком до погашения им задолженности. Основной проблемой на пути стабильного развития рынка кредитных карточек (ввиду его будущей массовости) также является вопрос достоверной классификации потенциальных заемщиков.

В рамках будущего Интернет кредитования вопрос оценки стоит еще острее, поскольку данная услуга подразумевает оформление, получение и погашение кредита посредством дистанционного доступа без личного появления в банке. Также перед банками стоит проблема гарантий сохранности данных, а также проблема оформления документов, которые должны иметь доказательную силу в суде при возникновении неблагоприятных ситуаций.

Таким образом, базовым вопросом кредитования физических лиц является достоверная классификация потенциальных заемщиков на 'хороших' и 'плохих'. Рассмотрим используемую в мире практику такой оценки, а также проблемы на пути ее применения в нашей стране.

Наибольшее распространение в мире получила скоринговая система классификации. Как родился скоринг? До создания скоринговых систем бремя решения вопросов кредитования лежало только на экспертах в этой области, услугами которых пользовался каждый банк. Но вторая мировая война привела к тому, что у банков возникла проблема: как в условиях отсутствия экспертов решать данные вопросы? Поэтому было принято решение: попросить их описать правила, по которым они принимают решение, чтобы в дальнейшем следовать им. Так и появились бальные оценки. Заметим, что в основе скоринга лежит принцип формализации знаний экспертов определенным способом. На тот момент ничего лучше, вероятно не было. Консервативность же банкиров донесла данный принцип оценки до наших дней. Сейчас существуют куда более прогрессивные способы добычи и формализации знаний (Data Mining). Даже если самого эксперта нет, то, основываясь не на опыте, а на статистических данных, им станет, например, дерево решений, что будет наглядно показано далее.

Данные же для построения моделей классификации берутся из огромных баз данных по заемщикам. Мировые кредитные агентства предоставляют централизованную информацию о каждом заемщике. Очевидна необходимость создания подобных организаций и у нас, но сейчас это невозможно, поскольку согласно ГК РФ существует положение о банковской тайне. Также наиболее крупные банки не захотят делиться информацией в силу следующих причин:

Крупный банк итак обладает огромными объемами информации.

Оглашенная информация о 'хороших' заемщиках приведет к их переманиванию.

Оглашенная информация о 'плохих' заемщиках не даст им перезанять денег в другом банке, чтобы рассчитаться с первоочередным кредитором.

Подытожим проблемы в области кредитования физических лиц, стоящие перед банками на сегодняшний день:

Отсутствие специального законодательства, регулирующего отношения в области потребительского кредитования. Отношения в данной сфере регулируются законом О банках и банковской деятельности' и законом 'О защите прав потребителей'.

Отсутствие кредитной истории. Это дает массу возможностей недобросовестным заемщикам, которые могут получить несколько кредитов в различных банках, без какой – либо проверки их предыдущих кредитных 'подвигов'.

Используемые зарплатные схемы предприятий. Работодатели зачастую отдают предпочтение 'серым' схемам выплаты вознаграждения своим работникам. Заемщик не может официально подтвердить уровень доходов, а банк лишается платежеспособного клиента.

Нет простого механизма возврата денег инвестору в случае несостоятельности заемщика. Стоимость таких ошибок очень велика: потеря основной суммы долга, судебные издержки, административные издержки, потерянное время и т.д.
Проблемы классификации. Необходима достоверная оценка потенциального заемщика, отсечение 'плохих' заемщиков. Неверная классификация порождает проблему обеспечения возврата средств заемщиком в принудительном порядке.
Проблема залога. Механизм реализации залога – неудобное и дорогостоящее занятие. Отсутствие регистрации залога движимого имущества позволяет продать или повторно заложить недобросовестным заемщиком заложенное имущество.
Проблема оценки реальных возможностей поручителей. Не секрет, что большинство российских банков решают вопрос снижения своих кредитных рисков путем простого переноса их на поручителей заемщика. При этом нередко поручителями, особенно при крупных размерах кредита, являются различные юридические лица (как крупные, так и средние и малые предприятия). В контексте будущих пластиковых кредитов такая практика будет применяться повсеместно, поскольку удобно выдать заемщику пластиковую карточку, а в случае каких – либо затруднений с возвратом кредита востребовать его с поручителя – предприятия, на котором он работает. На первый взгляд это должно решить проблему, но если более широко рассмотреть вопрос, то данная кредитная политика не гарантирует успеха в той степени, на которую полагаются банки. Рассмотрим общие положения, которыми руководствуется кредитор. Будем считать, что поручительство имеет определенную стоимость. Для простоты будем считать стоимость поручительства равной рыночной стоимости предприятия (или рыночную стоимость материальных ценностей и их ликвидность поручителя – физического лица). Но дело в том, что рыночная стоимость, как предприятия, так и имущества является величиной непостоянной. Она, в основном, зависит от динамики экономики. Т.е. на фазе экономического подъема рыночная стоимость увеличивается, а на стадии экономического спада стремительно уменьшается. Т.е. при оценке необходимо учитывать будущую динамику. Возникает необходимость привлечения экспертов для прогнозирования макроэкономической ситуации. Только таким образом можно адекватно оценить будущую 'стоимость' поручительства на момент погашения кредита.

Вообще говоря, влияние макроэкономики редко учитывается при оценке кредитного риска. Исследование влияния макроэкономических показателей на риск неплатежа с помощью средств Data Mining показало, что, к примеру, увеличение ВВП на 1% уменьшает на 1% кредитный риск, увеличение уровня безработицы на 1% увеличивает на 0.7% кредитный риск. Тем или иным образом кредитный риск зависит и от других экономических показателей (индексы деловой активности, курс рубля, уровень продаж товаров длительного пользования…).

Таким образом, на данный момент банки находятся в невыгодном положении. С одной стороны, необходимо осваивать рынок потребительского кредитования, а с другой стороны с этим процессом связаны слишком высокие риски, которые зачастую перекладываются на заемщиков, что явно не способствует стимулированию спроса на кредиты. Также не известно, когда освещенные здесь проблемы будут должным образом урегулированы с правовой точки зрения.

В такой ситуации банки, решившиеся на освоение данного рынка должны иметь несколько вещей:

1.

Консолидированную информацию о клиентах, представленную в унифицированном виде. Информация должна периодически пополняться данными из всех филиалов банка. Такое хранилище будет исполнять функцию кредитного бюро.

2. Достоверный способ классификации (достоверность должна быть более 90%) потенциальных заемщиков и отсечение 'неблагонадежных'. Этот способ позволит снизить риски невозврата к минимуму, что позволит выдавать более дешевые кредиты и, соответственно, привлечет больше заемщиков. При этом значительно увеличится прибыль от кредитования физических лиц.
3.

Модель классификации заемщиков должна иметь свойства тиражируемости и адаптации к состоянию рыка, к каждому филиалу банка. Т.е. построенная, основываясь на общих закономерностях, модель должна корректироваться под частные, присущие каждому филиалу особенности. Это позволит учесть местные особенности, что еще больше позволит снизить риск.

4. Модель классификации должна периодически перестраиваться, учитывая новые тенденции рынка. Этим достигается ее актуальность. Ведь не может же использоваться один и тот же подход 5 лет назад и сейчас.

На данный момент банки в той или иной степени имеют наработки по каждому из этих пунктов, но методики, заложенные в их основе либо слишком инертны, чтобы адекватно реагировать на динамику рынка, либо слишком дороги (предлагаемые зарубежные решения сопоставимы с доходами от потребительского кредитования в сегодняшнем виде). Именно поэтому так дороги кредиты и не так велик спрос на них. Увеличение же достоверности и снижение стоимости позволит отказаться от практики переноса рисков и затрат на заемщиков. Тогда в выигрыше окажутся все – и банки, сохраняя удельную прибыльность на прежнем уровне, и заемщики, привлеченные более выгодными условиями. Все это становится более актуальным в виду будущего бурного роста рынка потребительского кредитования и будущей конкуренции.

Для достижения этих целей банки привлекают высокооплачиваемых экспертов. Но их мало и им порой физически не хватает времени успевать везде. Поэтому также актуальным является вопрос формализации знаний экспертов и их тиражирование. Это позволит 'виртуальному эксперту' работать одновременно во всех филиалах банка.

Задачи подобного рода легко решаются на базе платформы Deductor. Механизмы Deductor позволяют как создать консолидированное хранилище информации о заемщиках, обеспечивая к тому же и непротиворечивость хранимой информации, так и формализовать знания экспертов, создав модели классификации заемщиков с достоверностью более 90%. Причем модель позволит принять решение о выдаче кредита или отказе практически мгновенно. Так можно поставить потребительское кредитование на поток. Это тем более актуально ввиду предстоящего онлайн кредитования и массового использования кредитных карт.

Большинство банков уже имеют достаточно статистики по кредитованию физических лиц. Для построения достоверной модели достаточно информации за 3 – 4 года. Тем более, модели имеют возможность периодически перестраиваться, учитывая динамику рынка (новые данные).

Подытоживая все сказанное выше, можно с уверенностью говорить о готовности банков к использованию передовых методик оценки кредитоспособности физических лиц. Осталось лишь консолидировать накопленные данные и формализовать опыт экспертов в рамках единой архитектуры. Это с успехом позволяет сделать аналитическая платформа Deductor.

В виду этого, интересно будет рассмотреть основные принципы формирования такой системы на одном из примеров оценки кредитоспособности физических лиц. В нем будут видны преимущества заложенных в платформе методик относительно используемых в настоящий момент (скоринг, экспертные оценки и т.п.).

1 2 3

   Следующая страница

 

Материалы по данной теме

 


Подробнее о Deductor

 

Новости

 


27 октября 2015
Многопрофильная железнодорожная группа «РТК» автоматизировала бюджетное управление, используя IBM Analytics

2 июня 2015
Служба технической поддержки BI Partner прошла аудит SAP

24 марта 2015
BI Partner объединила в едином хранилище информацию о продажах продуктов питании, средств гигиены, бытовой химии и косметики

5 марта 2015
BI Partner использует СПО Pentaho для развития хранилища данных авиакомпании AirBridgeCargo

4 декабря 2014
BI Partner внедрила систему отслеживания и анализа сроков доставки на платформе MS MDS в компании Mary Kay, Россия

Россия, 127083, Москва, ул. Юннатов, 18
Телефон: 969-2-696