Пути совершенствования методики и её автоматизации ЗАО «Кредит Европа Банк»

Основные возможности совершенствования оценки кредитоспособности заемщика в ЗАО «Кредит Европа Банк» связаны с разработкой собственной модели скоринговой оценки заемщика балльного типа. Накопленная база собственных кредитных историй позволяет осуществить статистическую обработку информации и в отношении каждого критерия определить его ориентировочный удельный вес и ранжирование разных вариантов ответа. Использование созданной модели позволит, как более точно оценивать кредитные риски в соответствии с социально-демографическими характеристиками заемщиков, так и варьировать условия кредита для заемщиков с разной степенью кредитного риска (применяемые до настоящего времени методики позволяли только осуществлять отсев заемщиков, не удовлетворяющих какому-либо из 4−5 базовых критериев).

В данном подразделе исследования будет предложена скоринговая модель для оценки кредитного риска заемщиков на основе собственной базы кредитных историй ЗАО «Кредит Европа Банк». С точки зрения методики ее разработка будет включать следующие этапы:

• 1. В качестве базовой величины берется средний уровень просроченной кредитной задолженности по банку (7,7%).
• 2. Для каждого варианта ответа по каждому критерию выясняется выше или ниже уровень просроченной кредитной задолженности по совокупности данных лиц и степень отклонения.
• 3. В соответствии с указанным анализом для каждого варианта ответа по каждому критерию будет предложена определенная балльная оценка по шкале от 0 (максимальный уровень кредитного риска / максимальная вероятность «плохого» качества кредита) до 10 (минимальный уровень кредитного риска / максимальная вероятность «хорошего» качества кредита). При этом, в соответствии со степенью отклонений максимальная балльная оценка (минимальный уровень кредитного риска) может быть в диапазоне от 1 до 10. Указанное позволит исключить необходимость при осуществления скоринг-анализа такой дополнительной операции, как учет «веса» критерия.

В таблице 3.1 приведены результаты анализа базы кредитных историй ЗАО «Кредит Европа Банк» (на основании сравнения статистической информации анкет заемщикам по моментальным кредитам и кредитным картам и результатами возврата кредита заемщиком). Поскольку точные результаты анализа являются коммерческой тайной банка, то в таблице представлено только направление отклонения и его степень по шкале:

• —- Существенное отрицательное отклонение (процент просроченных кредитов по выборке существенно выше среднего для всей совокупности);
• — Отрицательное отклонение средней степени;
• — Незначительное отрицательное отклонение;

= Отклонение практически отсутствует;

+ Незначительное положительное отклонение (процент просроченных критериев по выборке несколько ниже среднего для всей совокупности);

++ Положительное отклонение средней степени;

+++ Существенное положительное отклонение.

Таблица 3.1.

Результаты анализа базы кредитных историй ЗАО «Кредит Европа Банк».

На основании результата анализа базы кредитных историй, которые в ориентировочном виде (с учетом сохранения коммерческой тайны) представлены в таблице 3.1, нами в таблице 3.2 предложена скоринговая модель для определения кредитного риска заемщика. Также нами добавлены некоторые факторы, которые использовались для «отсева» заемщиков при несоответствии определенному критерию (например, наличие домашнего телефона), а также наличие и особенности кредитной истории в ЗАО «Кредит Европа Банк». В тоже время отдельные факторы, по которым степень отклонения была несущественна, в модели не учитывались.

Таблица 3.2.

Предложения по модели скоринг-анализа заемщика физического лица ЗАО «Кредит Европа Банк» (балльного типа на основе анализа собственной базы кредитных историй ЗАО «Кредит Европа Банк»).

Для автоматизации анализа на основании разработанной модели было создано специальное программное средство в среде Microsoft Excel.

Модель построена по следующему принципу — для каждого признака в строках представлены возможные варианты ответа и оператор должен поставить 1 напротив соответствующего клиенту (в соседнем столбце). В следующем столбце автоматически осуществляется расчета числа баллов — задан формула умножающая значение отметки (указанная 1 или по умолчания 0) на значение данного показателя. В нижней итоговой строке осуществляется подсчет итоговой балльной оценки заемщика. На рисунке 3.1 представлена экранная форма, показывающая подобный расчет в режиме указания формул, а на рисунке 3.2 после введения данных по одному из заемщиков.

Рисунок 3.1 — Экранная форма модели автоматического анализа заемщика (в режиме указания формул) Представленная в таблице 3.2 модель была апробирована на уже имеющейся базе кредитных историй. Средний уровень интегральной оценки составляет 41,2 балла (максимальный — 80 баллов), средний уровень по просроченным кредитам — 33,1 балл.

Как показали тесты, при уровне интегральной оценки в 33 балла, вероятность ошибочного отнесения «хорошего» кредита к «плохим» составила 11%, а ошибочного отнесения «плохого» к «хорошим» составила 23%. При уровне интегральной оценки в 35 баллов, вероятность ошибочного отнесения «хорошего» кредита к «плохим» составила 16%, а ошибочного отнесения «плохого» к «хорошим» составила 10%. При уровне интегральной оценки в 37 баллов, вероятность ошибочного отнесения «хорошего» кредита к «плохим» составила 24%, а ошибочного отнесения «плохого» к «хорошим» составила 8%. Возможно, в качестве базового рационально принять интегральный уровень оценки в 35 баллов.

Рисунок 3.2 — Экранная форма модели автоматического анализа заемщика после введения данных одного из заемщиков Таким образом, использование предложение модели скорингового анализа позволяет снизить вероятность ошибочного решения, и тем самым снизить кредитные риски банка при сохранении привлекательности банковского продукта для потребителя.

Использование предложенной скоринговой модели возможно для принятия следующих решений:

• 1. Определение границы интегральной балльной оценки (исходя из текущих подходов к соотношения «риска» — «доходности), при которой заемщики с более высоким уровнем риска получают отказ в получение кредита, а заемщики с более низким уровнем риска получают положительное решение.
• 2. Изменение границы интегральной балльной оценки в случае изменения подхода к соотношению «риска» — «доходность» (повышение границы в случае более консервативной политики или снижение границы в случае более либеральной).
• 3. Определение нескольких «граничных» уровней интегральной риски и варьирование условий предоставления кредита для клиентов с разными уровнями рискам (чем ниже уровень риск, тем более выгодные условия по процентным ставкам и другим параметрам).

Указанная скоринговая модель может применяться практически для любого направления кредитования физических лиц, осуществляемых ЗАО «Кредит Европа Банк». При этом, возможна дифференциация установленных уровней интегральной оценки в зависимости от вида кредита. Применение методики оценки кредитоспособности по предложенной скоринговой модели должно обязательно сочетаться с другими применяемыми методами — например, оценкой уровня платежеспособности клиента для определения максимальной суммы кредита (кредитного лимита), специфическими требованиями к предоставляемой документации при ипотечном кредитовании, и так далее.

Отметим также, что практика использования предложенной модели скорингового анализа в ЗАО «Кредит Европа Банк» должна подразумевать ее постоянную верификацию на основании результатов новых кредитных историй по выдаваемым банком кредитам. Это позволит и в дальнейшем совершенствовать подходы к оценке кредитоспособности заемщика для снижения кредитных рисков банка при сохранении привлекательности кредитного продукта для заемщика.