Мировой опыт и практика оценки кредитного риска

В настоящее время в мире не существует единой стандартизированной системы оценки кредитоспособности. Банки используют различные системы анализа кредитоспособности заемщика. Причинами такого многообразия являются:

• — различная степень доверия к количественным (т.е. поддающимся измерению) и качественным (т.е. поддающимся измерению с большим трудом, с высокой степенью допустимости) способам оценки факторов кредитоспособности;
• — особенности индивидуальной культуры кредитования (кредитной культуры) и исторически сложившейся практики оценки кредитоспособности;
• — использование определенного набора инструментов минимизации кредитного риска, сопровождающееся пристальным вниманием к отдельным инструментам;
• — многообразие факторов, оказывающих влияние на уровень кредитоспособности, которое приводит к тому, что банки уделяют им различное внимание при присвоении кредитного рейтинга;
• — результат оценки кредитоспособности заемщика, принимающий различные формы, — некоторые банки останавливаются на простом расчете финансовых коэффициентов, другие — присваивают кредитные рейтинги и рассчитывают уровень кредитного риска.

Согласно мировому опыту различают три основных способа моделирования уровня кредитоспособности заемщика:

модели, основанные на статистических моделях (методах) оценки;

модели ограниченной экспертной оценки;

модели непосредственно экспертной оценки.

Такие различия обусловлены приоритетностью использования количественных (расчет финансовых коэффициентов) и качественных (личные мнения банковских специалистов) способов анализа. На практике различия между моделями несколько нивелируются, что объясняется одновременным применением этих методов. Так, информация, используемая при статистических методах анализа, первоначально обрабатывается банковскими работниками, поэтому носит на себе некоторый отпечаток субъективизма. Наблюдаются отличия и в оценках того, какие факторы являются качественными, а какие — количественными. Например, в некоторых случаях такие качественные факторы, как кредитная история, качество менеджмента заемщика, отраслевые особенности или географическое местоположение, получали количественную оценку в баллах и в дальнейшем использовались в количественных расчетах.

Статистические модели оценки кредитоспособности представляют собой процесс присвоения кредитного рейтинга исключительно на основе количественного, статистического анализа. Лишь небольшое количество банков полагаются в полной мере на статистические модели. Подобные модели основаны на расчете кредитного рейтинга по определенной формуле, включающей как количественные факторы — финансовые коэффициенты, так и некоторые качественные факторы, но стандартизированные и приведенные к количественному значению аспекты деятельности заемщика, например, отраслевые особенности, кредитную историю, деловой риск.

Процесс функционирования статистической модели проходит три этапа.

На первом этапе определяются переменные (как правило, финансовые коэффициенты), оказывающие влияние на значение кредитного рейтинга.

На втором этапе на основе статистических данных прошлых периодов определяется влияние каждого фактора на уровень кредитоспособности, что находит соответствующее отражение в весе коэффициента.

На третьем этапе текущие переменные взвешиваются по степени влияния, и определяется некое значение рейтинга, выраженное в баллах. Различные баллы соответствуют различным классам кредитоспособности заемщика. Экономические расчеты в данном случае проводятся с применением программных средств и минимальным действием человеческого фактора. Такие системы оценки используются в основном для анализа кредитоспособности малых и средних предприятий.

Модели ограниченной экспертной оценки основаны на применении статистических методов с последующей корректировкой на основании неких качественных параметров. Например, балльное значение рейтинга может быть скорректировано на несколько баллов в зависимости от мнения кредитного экономиста. Также банк может установить максимальное количество баллов для оценки качественных параметров, ограничивая тем самым влияние субъективных факторов на итоговое значение рейтинга. По оценкам Базельского комитета, около 20% банков используют данную модель при анализе кредитоспособности крупных предприятий.

Модели непосредственно экспертной оценки используются 50% банков при определении кредитоспособности крупных и средних заемщиков. При такой оценке определить влияние того или иного фактора на величину кредитного рейтинга практически не представляется возможным. Экономисты рассчитывают финансовые коэффициенты, но значения интерпретируются индивидуально по каждому заемщику. Тем не менее, в некоторых случаях на начальном этапе оценки используются именно статистические модели, задавая направление и границы дальнейшего анализа.

Влияние человеческого фактора имеет большое значение при определении надежности и достоверности кредитного рейтинга. Изучение возможных мотивов и заинтересованности в искажении результатов оценки позволяет учесть отклонения от реальности. Так, в случае определения размеров вознаграждения сотрудникам, заключающим кредитные договоры, в зависимости от класса кредитоспособности может иметь место искусственное повышение рейтинга. Похожая ситуация может сложиться при определении лимитов кредитования и стоимости размещаемых средств на основе значения кредитного рейтинга.

В полной мере оценить влияние субъективных факторов при присвоении рейтинга кредитоспособности на основе экспертной оценки помогает показательный эксперимент, проведенный в одном из австралийских банков. Руководство банка попросило 8 экономистов кредитного отдела самостоятельно присвоить кредитные рейтинги 5 заемщиков. Несмотря на то, что эксперты руководствовались одинаковой информацией, результаты получились разные. Это свидетельствует о необходимости дополнительного контроля за субъективным процессом присвоения рейтинга кредитоспособности, а также более тщательного расчета уровня кредитного риска.

Особое внимание хотелось бы обратить на процедуры сопоставления заемщика с другими аналогичными предприятиями. Сравнение предприятий одной и той же отрасли позволяет оценить реальную кредитоспособность заемщика и определить, какие значения финансовых показателей считать хорошими, средними или плохими. Более того, поскольку отраслевые особенности деятельности носят ярко выраженный характер, сравнение заемщиков между собой следует проводить только в пределах одной отрасли.

Статистические модели оценки кредитоспособности, подразумевают применение строго определенных наборов финансовых показателей, экспертная оценка подразумевает некоторую свободу при анализе бухгалтерской отчетности.

Для достоверной и надежной оценки необходимы данные ретроспективного анализа, т. е. анализа информации о данном заемщике за последние несколько лет (кредитная история заемщика).

Большую роль при дальнейшем анализе кредитного рейтинга играет временной горизонт, в течение которого рейтинг имеет силу. Первоначально рейтинг присваивается на начальной стадии взаимоотношения банка с заемщиком, т. е. до предоставления кредита. Базельский комитет отмечает, что значительное количество банков устанавливает рейтинг с последующим ежегодным пересмотром. Существуют два типа временных горизонтов рейтинговой оценки: «рейтинг сквозь экономический цикл» и «рейтинг на конкретный момент времени». Основное различие между этими понятиями заключается в том, что кредитный рейтинг на конкретный момент времени подвержен значительным колебаниям в зависимости от фазы экономического цикла. При рейтинге сквозь экономический цикл учитывается наихудшее значение кредитного рейтинга, соответствующее фазе депрессии. Такой рейтинг не испытывает серьезных колебаний с течением времени.

Как показывает мировой опыт банковского дела, банки присваивают кредитные рейтинги большинству (96%) крупных и средних предприятий. Это объясняется высокими показателями кредитного риска по данной группе заемщиков. Большинство банков не ограничивается определением кредитного рейтинга заемщика и вероятностью его дефолта. Далее определяется уровень возможного убытка в случае дефолта по конкретному виду актива, изучаются обеспечение, предоставленное заемщиком, и другие возможности уменьшения кредитного риска. В этом случае рейтинг отражает не только уровень кредитного риска заемщика, но и величину риска по отдельным активным операциям. Так, при выдаче кредита одному заемщику на разные сроки и под разные виды обеспечения значение кредитного рейтинга будет меняться.

В мировой практике накоплен достаточный опыт оценки финансового положения предприятий-заемщиков. Обращение к этому опыту может быть полезным и в современных условиях, так как можно с уверенностью говорить о том факте, что определение кредитоспособности клиента носит в каждой кредитной организации индивидуальный, субъективный характер и общих рекомендаций по этому вопросу недостаточно.

Модели определения платежеспособности, разработанные на основе коэффициента Z (Z-модели), получили широкое распространение в США и Великобритании. Цель данной модели — выработка простого, оперативного и точного метода заблаговременного выделения компаний, испытывающих финансовые затруднения и близких к банкротству. В основе методики формирования модели лежит распределение предприятий на два класса: предприятия — потенциальные банкроты и прочие предприятия (считается, что эта группа — стабильно функционирующие организации). Данный метод был разработан в 1968 г. (а затем доработал в 1983 г.) профессором Нью-Йоркского университета Эвардом Альтманом при помощи метода дискриминантного анализа, позволяющего подобрать такие классифицирующие переменные, дисперсия которых между рассматриваемыми группами была бы максимальной. А внутри групп — минимальной. Данный метод анализа являлся преобладающим и наиболее широко используемым при оценке кредитоспособности заемщика в XX в. Z-модель Альтмана представляет собой статистическую модель на основе оценки показателей финансового положения и платежеспособности компании и позволяет оценить уровень риска банкротства. Проанализировав отчетность сотен компаний, он вывел формулу для прогнозирования банкротства предприятия:

Z=1,2Х1+1,4Х2+3,3Х3+0,6Х4+0,999X5,.

где Х1 — отношение оборотного капитала к сумме активов;

X2 — отношение нераспределенной прибыли к сумме активов;

Хзотношение операционной прибыли к сумме активов;

Х4 — отношение рыночной стоимости акций к сумме кредиторской задолженности;

Х5 -отношение выручки к сумме активов.

Значение показателя Z меньше 1,81 является признаком того, что предприятие испытывает определенные трудности, а показатель Z, равный 2,7 и более, говорит о небольшой вероятности банкротства.

В 1972 г. Р. Лис получил следующую формулу для Великобритании:

Z = 0,063X1 + 0,092X2 + 0,057X3 + 0,001X4,.

где Х1 — отношение оборотного капитала к сумме активов;

Х2 — отношение операционной прибыли к сумме активов;

Хз — отношение нераспределенной прибыли к сумме активов;

Х4 — отношение собственного капитала к заемному. Здесь предельное значение равняется 0,037.

В 1977 г. Таффлер предложил следующую формулу:

Z = 0,53X1 + 0,13X2 + 0,18X3 + 0,16X4,.

Х1 — отношение операционной прибыли к краткосрочным обязательствам;

Х2 — отношение оборотных активов к общей сумме обязательств;

X3 -отношение краткосрочных обязательств к сумме активов;

X4 — отношение выручки к сумме активов.

Если величина Z-счета больше 0,3, то у предприятия неплохие долгосрочные перспективы, а если меньше 0,2, то банкротство более чем вероятно.

В основе данных методик — линейная связь между финансовыми показателями и фактом банкротства. Основная же задача состоит в нахождении формулы связи между показателями, способной наиболее полно отразить (предсказать) банкротство. Так, на первом этапе, после анализа первой группы отчетности стабильных и обанкротившихся предприятий, получают формулу для дальнейших расчетов. Далее, формулу проверяют на второй группе отчетности предприятий. При подтверждении ранее полученной зависимости Z счет может быть использован и для дальнейшей классификации.

Практическая значимость Z-моделей заключается в её сравнительной простоте и возможности использования для оценки кредитоспособности компании и определения кредитного рейтинга заёмщика. Модели сигнализируют о нарастании или уменьшения вероятности дефолта заёмщика, указывая тем самым на необходимость принятия мер.

Слабые стороны Z-моделей заключаются в том, что модели являются чисто эмпирическими, «подогнанными по выборке» и не основываются на какой-либо состоятельной теоретической концепции, в моделях используются данные финансовой отчетности, которые могут лишь частично отражать реальное состояние компании, модели являются линейными.

В последнее десятилетие XX в. стал популярен новая методика оценки стоимостной меры риска VAR (value at risk). Эта методика получила широкое признание финансовых институтов, а затем и регулирующих органов после раскрытия в 1994 г. крупнейшей инвестиционной компанией США «J.P. Morgan» системы оценивания риска Riskmetrics и предоставление в свободное пользование базы данных для этой системы для всех участников рынка и одновременного опубликования подробной технической документации, описывающей методику расчета показателя VAR. Далее «J.P. Morgan» разрабатывается система CreditMetrics, описание которой было опубликовано в 1997 г. В результате появилась возможность рассчитывать интегральный показатель ожидаемых потерь вследствие рыночного и кредитного рисков в масштабе всего банка. И, наконец, в настоящее время продолжает попытка разработать общий подход к количественной оценке разнообразных операционных рисков в виде стоимостной меры риска — операционного VAR, что позволило бы получить действительно интегральную оценку подверженности основным видам риска в масштабе всего предприятия. [24].

VAR — это выраженная в денежных единицах (базовой валюте) оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью. Модель оценки рисков с использованием показателя VAR позволяет рассчитать максимальный ожидаемый убыток с заданной вероятностью, однако она не дает никакой информации о том, каким может быть непредвиденный убыток, вероятность возникновения которого обычно задается на уровне от 0,01 до 5%.

Модель VAR, как правило, включают следующие компоненты:

probability of default (PD) — вероятность дефолта заемщика (в %), рассчитанная для временного интервала в один год и, как правило, привязанная к уровню риска/рейтингу конкретного заемщика;

loss given default (LGD) — ожидаемая величина убытков в случае дефолта (в %);

exposure at default (EAD) — совокупная величина кредитных рисков заемщика на момент дефолта.

Говоря простым языком, вычисление величины VAR проводится с целью заключения утверждения подобного типа: «Мы уверены на X % (с вероятностью X %), что наши потери не превысят Y долларов в течение следующих N дней». В данном предложении неизвестная величина Y и есть VAR. Она является функцией 2-х параметров: N — временного горизонта и X — доверительного уровня. 25].

Преимуществом данного метода является учёт фактов диверсификации рисков, которые не учитываются в более простых методиках, базирующихся на суммировании величин отдельных рисков. Внедрение в банковскую практику методологии VaR было инициировано Базельским комитетом, который в дальнейшем рекомендовал банковским структурам разрабатывать также собственные внутренние модели оценки как рыночных, так и кредитных рисков.

В последние десятилетия в мире бурно развивается новая прикладная область математики, специализирующая на искусственных нейронных сетях (НС). Такие характеристики НС, как возможность нелинейного моделирования и относительная простота реализации, воспроизводящие сложные зависимости, делают их независимыми при решении сложнейших многомерных задач. НС используется тогда, когда между известными входными значениями и неизвестными выходными существует связь, но не известен точный тип связи. Особенность НС состоит в том, что зависимость между входом и выходом находится в процессе обучения сети. Для обучения НС применяют алгоритм двух типов: управляемое (обучение с учителем) и неуправляемое (обучение без учителя). Для управления обучения сети нужно подготовить набор обучающих данных. Эти данные представляют собой наборы входных данных и соответствующих им выходов. НС учится устанавливать связь между первым и вторым. Обычно обучающие данные берутся из исторических сведений. В качестве инструмента обучения может быть использован один из нескольких алгоритмов. Если сеть обучена хорошо, она приобретает способность моделировать неизвестную функцию, связывающую значение входных и выходных переменных, и впоследствии такая НС используется для прогнозирования ситуации, когда выходные значения неизвестны.

Задача обучения заключается в эмпирическом нахождении нелинейной зависимости между исходными показателями и результатом, т. е. нахождение такого типа функции, которая максимально точно отражала бы взаимосвязь рассматриваемых показателей.

Применительно к анализу кредитоспособности заёмщика обучение НС происходит следующим образом: имеется совокупность предприятий с уже присвоенными кредитными рейтингами. Этим рейтингам соответствуют значения количественных и качественных показателей, содержащихся в кредитном досье. В процессе наблюдений НС вычисляет вес каждого показателя, учитывающегося при расчете кредитного рейтинга. Полученное значение весов корректируется до тех пор, пока рассчитываемые с помощью этих весов кредитные рейтинги всей исходной совокупности заёмщиков не совпадут с заданными значениями. В этом случае ошибка обучения будет сведена к нулю, а НС воспроизведет точный тип связи между показателями деятельности заёмщика и его кредитным рейтингом.

Механизм работы НС не подвержен влиянию субъективных факторов оценки. А его надежность определяется достоверностью данных, используемых при изучении НС.

Следовательно, алгоритм работы НС состоит из двух этапов:

1. Обучение НС на основании уже имеющейся совокупности показателей и присвоенных кредитных рейтингов;

Использование обученной НС с найденной функцией зависимости «показатели — кредитный рейтинг» для рейтинговой оценки будущих заёмщиков.

Существует ещё один тип архитектуры НС, сильно отличающийся от рассмотренного выше, — сеть Кохонена. Большая часть сетей предназначена для решения задач с управляемым процессом обучения, сеть Кохонена рассчитана на неуправляемое обучение. В случае неуправляемого обучения обучающие данные содержат только значения входных переменных. Соответствующих им выходных значений нет. Сеть Кохонена учится понимать саму структуру анализируемых данных, распознает кластеры в данных, а также устанавливает близость классов. Если в совокупности данных распознаны классы, то их можно выделить и приступить к решению задачи классификации. Сеть Кохонена можно использовать и в тех случаях, когда классы уже заданы. Тогда преимущество будет в том, что сеть сможет выявить сходство между различными классами. Если в процессе распознания кластера сеть встретится с наблюдениями, не похожими ни на один из известных образцов, то она не сможет классифицировать такой набор и выявит дополнительный новый кластер.

Использование НС Кохонена при определении кредитоспособности заёмщика позволяет преодолеть основной недостаток обычных НС. Обучение НС основано на выявлении скрытых зависимостей между показателями деятельности заёмщика и присвоенным ему кредитным рейтингом. Данные для обучения НС подвержены субъективности, поскольку кредитные рейтинги для обучающей совокупности предприятий присваиваются кредитным работником. Конечно, в этом случае уровень субъективности значительно ниже, чем при традиционных методах анализа кредитоспособности. Это объясняется тем, что используемые для обучения рейтинги, будучи рассчитаны для уже представленных и погашенных ссуд, прошли проверку временем. Полученные в процессе обучения зависимости используются с целью определения кредитных рейтингов анализируемых заемщиков. Для этого на вход сети Кохонена подается та же совокупность количественных и качественных факторов кредитоспособности, что и при первоначальном обучении.

В процессе обучения можно опираться не только на количественные, но и на качественные показатели, например, фазу экономического цикла и качество менеджмента. Нейронные сети представляют собой качественно новый, надежный инструментарий работы по оценке кредитоспособности заемщика.

Методика «Dun&Bradstreet». Кредитное досье на заемщика, составляемое компанией «Dun & Bradstreet» (D&B), состоит из следующих разделов.

Идентификация предприятия. В этом раздел находят своё отражение название компании, юридический адрес, телефон и т. д.

Результат кредитного анализа. В данном разделе указывается присвоенный кредитный рейтинг, максимальная сумма кредита, количество баллов, присвоенное предприятию по специальной шкале D&B.

Общественная информация (информация публичного характера).

Банки (перечень открытых счетов предприятия).

Сведения о составе совета директоров, менеджерах высшего звена, секретарях.

Финансовая информация. Приводятся данные бухгалтерского баланса и отчета о прибылях и убытках на последнюю отчетную дату.

7. Сравнение финансовых показателей.

При анализе кредитоспособности D&B использует три группы показателей:

прибыльность: норма прибыли (налогооблагаемая прибыль/выручка без НДС);

финансовое состояние: коэффициент мгновенной ликвидности (высоколиквидные активы/краткосрочные пассивы), коэффициент покрытия (оборотные активы/краткосрочные пассивы), коэффициент левереджа (пассивы/собственный капитал), основные средства/собственный капитал;

оборачиваемость активов: оборачиваемость запасов (выручка без НДМ/запасы и незавершенное производство), период оборачиваемости дебиторской задолженности (дебиторская задолженность*365/выручка без НДС).

На основе указанных коэффициентов заемщику присваивается рейтинг D&B. Затем определяется максимально возможная сумма кредита, т. е. лимиты кредитования.

Расчетная политика. На основе среднестатистических отраслевых данных D&B определяет среднюю продолжительность просроченной задолженности и присваивает предприятию определенное количество баллов.

Структура предприятия. В данном разделе указываются сведения об акционерах предприятия, филиалах, подразделениях, системах управления.

Таким образом, компании присваивается кредитный рейтинг на основе коэффициентов прибыльности, ликвидности, левереджа и оборачиваемости. Данная методика еще раз свидетельствует об основной проблеме рейтинговой оценки предприятий — подбор оптимальных весов для коэффициентов, входящих в рейтинг, и критериальные значения рейтинга, с помощью которых определяется принадлежность заемщика к той или иной группе надежности.

Французская методика. Процесс определения кредитоспособности заемщика во Франции включает в себя три блока:

общая финансово-экономическая оценка предприятия;

прикладная оценка кредитоспособности, специфическая для каждого банка;

обращение в картотеку банка Франции.

В первом блоке речь идет о характере деятельности предприятия, особенностях его работы, а также о факторах производства. Два других блока изучаются с точки зрения следующих аспектов: трудовых ресурсов (образование, компетентность и возраст руководителей, наличие преемников, частота передвижения менеджеров по рабочим местам, структура персонала, размеры оплаты труда); производственных ресурсов (соотношение амортизации и амортизируемых основных средств, уровень инвестиций, степень изношенности оборудования); финансовых ресурсов; экономической среды (на какой стадии жизненного цикла находится выпускаемая продукция, является ли предприятие монопольным производителем, уровень развития менеджмента и маркетинга).

Во втором блоке проводится формализованная оценка заемщика, базирующаяся на отчетных балансах и отчетах о прибылях и убытках.

Обращение к картотеке позволяет банку выстроить некоторую картину о будущем заемщике со стороны независимого наблюдателя (Банка Франции), ознакомиться с кредитной историей заемщика.

Методика, используемая некоторыми австралийскими банками. Банки, работающие в Австралии, при присвоении кредитного рейтинга заемщику опираются на информацию внутренних и внешних источников.

Существуют четыре основные группы факторов, участвующих в расчете рейтинга:

финансовые коэффициенты, рассчитанные по бухгалтерской отчетности заемщика;

показатели денежного потока;

оценка менеджмента заемщика;

4)отраслевые особенности деятельности заемщика.

Определение рейтинга, как правило, предусматривает использование 2−3 показателей из каждой группы. Внутренние рейтинговые шкалы многих банков приведены в соответствие со шкалами рейтинговых агентств «Moody's» и «Standard & Poor’s», что позволяет сравнивать рейтинги различных заемщиков. Каждому значению рейтинга соответствует вероятность дефолта заемщика данного класса. Сопоставление такой вероятности и уровня возможного убытка по отдельным активным операциям позволяет с эффективностью управлять величиной кредитного риска.

Обобщенная методика американских банков. Большинство банков США учитывает следующие факторы при оценке кредитоспособности заемщика:

анализ финансовой отчетности заемщика. Особое внимание уделяется денежному потоку заемщика, его способности своевременно отвечать по принятым на себя обязательствам;

анализ отрасли деятельности заемщика. Подверженность отрасли экономическим циклам. Текущее состояние отрасли и прогноз ее развития в течение периода кредитования;

качество финансовой отчетности заемщика;

наличие у заемщика кредитного рейтинга, присвоенного рейтинговым агентством;

оценка уровня менеджмента заемщика;

размеры компании заемщика (сумма выручки и активов, капитализации по данным фондового рынка);

возможность свободного выхода на финансовый рынок заимствований.

Присвоение рейтинга в основном происходит с использованием метода непосредственной экспертной оценки. Большое значение имеет сложившаяся в данном банке кредитная культура. Присвоенные рейтинги пересматриваются на регулярной основе.

Американские банки сегодня разрабатывают различные подходы для анализа кредитоспособности своих клиентов. Причем каждый конкретный банк устанавливает собственную систему оценки кредитоспособности потенциального заемщика исходя из конкретных условий сделки, приоритетов в работе банка, его специализации, места на рынке, конкурентоспособности, взаимоотношений с клиентурой, уровня экономической и политической стабильности в стране и т. д.

Большинство американских банков используют в своей практике: 1) системы оценки кредитоспособности клиентов, основанные на экспертных оценках анализа экономической целесообразности предоставления ссуды и 2) балльные системы оценки кредитоспособности клиентов. Применение количественной оценки кредитоспособности клиента предполагает присвоение определенной группы тому или иному виду кредита, тому или иному типу заемщика и определяет в баллах значение различных характеристик потенциального заемщика. Существует определенный разрыв между минимальной и максимальной суммой баллов, и когда фактическое число баллов попадает в этот промежуток, то банк принимает решение о кредитовании исходя из общеэкономических и юридических факторов.

Очевидно, что использование балльных систем оценки кредитоспособности клиентов — это наиболее объективный и экономически обоснованный процесс принятия решений, нежели использование экспертных оценок. Единственная сложность заключается в том, что балльные системы оценки кредитоспособности клиента должны быть статистически тщательно выверены и требуют постоянного обновления информации, что может быть дорого для банка. Поэтому небольшие банки, как правило, не разрабатывают собственные модели анализа кредитоспособности клиентов из-за высокой стоимости их подготовки и ограниченной информационной базы.

Особенности при кредитовании западных стран.

Важной особенностью кредитования клиентов в индустриально развитых странах Запада является то, что в центре любого процесса предоставления кредита заемщику (физическому или юридическому лицу) стоит человек. Например, в Германии независимо от вида предоставляемого кредита, т. е. от выдачи потребительского или, скажем, инвестиционного фирменного кредита, заемщик должен представить ряд документов, свидетельствующих о его личных качествах и личной кредитоспособности.

Информация, интересующая немецкий банк при решении вопроса о предоставлении кредита, включает следующие сведения.

Характеристика личных свойств предпринимателя: характер, манеры, поведение, внешность, выразительность речи, степень откровенности (в вопросах экономического и финансового положения), возраст, семейное положение, семейные обстоятельства, социальная роль вне предпринимательства, почетные должности, хобби.

• 2. Общее образование (копия свидетельства об окончании учебного заведения), квалификация, склад ума, отношение к риску (азартность), интерес к экономике и организации производства, способности к планированию.
• 3. Техническая квалификация: специальное образование, ход профессионального развития, опыт, специализация в работе.

Физическое состояние: состояние здоровья (с учетом прошлых и хронических заболеваний), пределы нагрузки, занятия спортом.

Имущество: степень участия в делах предприятия, личное имущество, владение недвижимостью, другие источники дохода, личные доходы из прибыли предприятия, личные долги, налоговые долги, имущественное положение членов семьи, интенсивность отношений с кредитными учреждениями, участие в конкурсах.

Все перечисленные условия имеют различное значение для каждого конкретного заемщика. Например, в немецких банках при долговременных отношениях клиента и банка, когда последнему известны регулярные доходы и расходы клиента, предоставление кредита осуществляется по сути дела автоматически. Наряду с использованием анкет клиентов для анализа их кредитоспособности банки могут получить информацию из местных кредитных бюро. Также оценивается репутация заемщика.

Западные банки вкладывают значительные средства в создание эффективных систем оценки кредитоспособности, ибо это создает важные конкурентные преимущества, которые определяются возможностью быстро и эффективно получать точный прогноз кредитного риска индивидуального заемщика. Главная цель в том, чтобы, используя систему оценки кредитоспособности, минимизировать плохие кредиты и увеличить доходы за счет кредитования как можно большего числа клиентов.

Практический опыт показывает, к примеру, что общепринятые западные методики эффективного управления рисками, широко используемые в США и в ЕС, в силу особенностей российского финансового рынка и экономического развития не могут быть порой применимы в России. Для успешной практической реализации западных моделей требуются соответственно огромная выборка данных по дефолтам и статистические наблюдения за рыночной стоимостью активов и ее волатильностью. К сожалению, ни то ни другое в российской действительности не представляется пока возможным. Необходимо адаптировать зарубежные методики к российской экономике и национальным особенностям для этого необходим квалифицированный аппарат не только в тех консалтинговых фирмах чьи методики приобретает банк, но и в самих банках для грамотного ведения внутреннего и внешнего контроля за рисками.