Далее отмечаются быстрота ибеспристрастность в принятии решений, возможностьэффективного управления кредитным портфелем, определение оптимального соотношения между доходностью кредитных операций и уровнем риска. На данный момент объем кредитов, предоставленных банками юридическим лицам, в абсолютном выражении остается существенно более высоким, чемобъем кредитов населению. Но потребительское кредитование становится одним из наиболее динамичныхнаправлений развития банковского сектора, что связано в первую очередь с потребностью банков в новыхприбыльных кредитных продуктах. Необходимость вавтоматизированных системах оценки частных заемщиков становится очевидной.
3.4. Априорный подход к скорингу заемщика
Априорный подход к скорингу заемщика дает возможность отделить кредитоспособных заемщиков отнекредитоспособных, оценить сегодняшнее положениеклиента, его долю на рынке, выяснить, каковы перспективы его бизнеса, построить прогноз современнойи будущей возможности выполнять свои обязательства. Для этого работники банка собирают разнообразную информацию о заемщике финансового и нефинансового характера. Это касается также и заемщика -физического лица. Инициатор получения кредита (заемщик) заполняетзаявку, в которой указывает сведения о требуемомкредите:
· цель кредита;
· сумма и валюта кредита;
· вид и срок кредита;
· порядок погашения и уплата процентов;
· предполагаемое обеспечение. Кроме того, банки требуют, чтобы к заявке была приложена анкета. Разнообразные вопросы анкеты отражают тот наборданных, которые могут быть проанализированы банком с использованием априорного подхода.
1. Фамилия, имя, отчество …2. Номер паспорта … Паспорт выдан …3. Пол … Дата рождения …4. Адрес регистрации … Адрес проживания …5. Домашний телефон … Мобильный телефон …6. Подтвержденный доход … Общий доход … Заработнаяплата …7. Доход от предпринимательской деятельности … Доход отценных бумаг …8. Доход по вкладам … Премиальные, гонорары и авторскиевыплаты …9. Участие в доходах компании… Доход от сдачи недвижимости в аренду…10. Образование … Область занятости … Служебное положение …11. Служебные обязанности … Численность подчиненных …12. Общий рабочий стаж … Смена работы за последние 5лет… Срок работы на последнем месте …13. Наличие транспортного средства … Наличие недвижимости …14. Компании в собственности …15. Денежные вклады … Ценные бумаги …16. Суммарные обязательства по кредитам … Суммарныеобязательства как поручителя… Имея заполненную анкету, по каждому заемщикуможет быть проанализировано значительное количество источников дохода.
Однако использование каких-либо доходных характеристик при оценке кредитоспособности заемщика не является обязательным. Здесьможет определяться оценочная величина дохода отдельной демографической или социальной группы заемщиков. При определении кредитоспособности заемщика в рамках системы кредитного скоринга можетбыть учтен каждый из источников дохода, в том числеи по величине, степени надежности источника, ожидаемой будущей тенденции изменения доходов. Характеристика «общий доход» предполагает вводсуммарных данных, на основании которых будет реализована оценка по доходам клиента. Если эта характеристика предполагается как единственная характеристика доходов заемщика, можно ввести ограниченияна ее максимальное значение или отказаться от использования таковой вообще. Например, если заемщик в качестве общего (неподтвержденного) дохода указывает значение, превышающее на 20% величину оценочного дохода даннойсоциально-демографической группы заемщиков в данном регионе, то в работе может быть использованоименно оценочное значение. При этом априорныйподход позволяет восстанавливать ожидаемые современные и прогнозировать будущие доходы заемщика по набору его социально-экономических характеристик. Обсуждаемое поле анкеты может быть вообще фиктивным и реально не участвовать в оценке кредитоспособности. Также данное поле в анкете может содержать прямую сумму всех прочих доходов и опятьже не участвовать в оценке, поскольку в этом случаебудет оцениваться каждая из составляющих доходов вотдельности. Характеристика «подтвержденный доход» предполагает использование данных о суммарных доходах, подтвержденных справкой 2НДФЛ. Показатели «доход от предпринимательской деятельности», «заработная плата», «участие в доходахкомпании» оцениваются с учетом следующих группхарактеристик:
· общий рабочий стаж;
· смена работы за последние 5 лет;
· срок работы на последнем месте. Данные группы полей определяют тенденции и постоянство данных доходов, а также возможность заемщика потерять свой источник дохода — например, потерять заработную плату из-за увольнения. Составляющие дохода -доход по ценным бумагам, доход по вкладам, премиальные, гонорары и авторские выплаты, корректируются с учетом рисков потерь, связанных с общим макроэкономическим фоном и учетом постоянства и долгосрочности каждого из данныхисточников. Составляющая доход от сдачи недвижимости варенду оценивается с точки зрения ценовых особенностей местного рынка недвижимости. Отдельно покаждому заемщику анализируются данные, касающиеся его настоящих и будущих расходов. Другие характеристики определяют расходы заемщика, задаваемые типологией домохозяйства: количество иждивенцев, количество несовершеннолетнихдетей, и прочее. Поля «суммарные обязательства по кредитам» и"суммарные обязательства как поручителя" суть расходы, вычитаемые из доходов заемщика.
Последнийпоказатель вычитается частично с учетом риска возникновения кредитного случая по кредитному договору, в котором заемщик участвует как поручитель. Группа полей «жилищные условия» дают косвенноеотражение доходов и расходов заемщика. Поле «жилье в собственности» отражает наличие собственногожилья и относит заемщика к той или иной социальнойгруппе со специфичными ей доходами. Поле «местопроживания» отражает расходную составляющую нажилье, например, когда учитываются выплаты в случае аренды жилья. Данная группа полей решает целый ряд несвязанныхзадач, при этом основная решаемая задача — этооценка предыдущих реальных доходов заемщика икорректировка подтвержденных доходов в сторону повышения или понижения. Как видно из представленного описания, априорныйподход к скорингу заемщика предлагает самые широкие возможности по созданию систем оценки платежеспособности заемщика, в том числе появляется возможность поддержки узкоспециализированных форманкет, например, для скоростного кредитного скорингазаемщика при потребительском кредитовании. При выборе анализируемых характеристик заемщикабывает достаточно в анкете содержать минимум полей. Отсутствующие характеристики с той или иной степенью вероятности могут быть всегда восстановлены. Если некоторая характеристика не может быть подтверждена документально, стоит отказаться от ее использования, например, от величины общего доходаили любой из ее составляющих. Если приходится использовать не подтверждаемыедокументально характеристики, то для некоторых изних можно создавать дублирующие входные поля, несвязанные напрямую друг с другом (проверка на непротиворечивость данных). Для определения кредитоспособность заемщика, например, «величинадохода» и «условия проживания».
Аналогично можно использовать несколько документально подтверждаемых полей для анализа одной характеристики и для составления гипотезы о предъявлении фальшивых документов. Возможность использования таких правил обоснована самим методом априорных оценок. Например, анкета для определения платежеспособности заемщика по нецелевому кредитному продуктуне требует со стороны заемщика никаких документов, кроме паспорта. В анкете используются только следующие данные:
1. Фамилия, имя, отчество …2. Номер паспорта … Паспорт выдан …3. Пол … Дата рождения …4. Адрес регистрации … Адрес проживания …5. Домашний телефон … Мобильный телефон… Правила определения кредитоспособности для заранее заданного уровня риска по характеристикам заемщика позволяют установить соответствующий лимит кредитоспособности. Как видно, форма вообще не требует ввода данных одоходах заемщика. При автоматической оценке егодоходов, главным образом, используется информацияо доходах населения на местном (локальном) рынке, где продается продукт. Далее, исходя из пола и возраста заемщика, эти данные корректируются в определенную сторону. С учетом вероятности измененияили потери дохода, характерного для данного сегмента потребителей, вычисляется некоторый априорныйприведенный доход. Расходная составляющая рассчитывается из количества детей, зафиксированного в паспорте, и семейного положения. Поскольку анкета использует минимальное количество входных данных, данные могут вводиться в компьютер непосредственно оператором, осуществляющим оценку платежеспособности заемщика. Анкета вбумажной форме может выводиться на печать постфактум. При поточном обслуживании на одного заемщика вряд ли потребуется более 2−3 мин. Дополнительно, при наличии у кредитора соответствующих оценок в процессе кредитного скоринга клиента, могут учитываться данные, характеризующие егопрошлые доходы по месту проживания. Для этого кредитор должен связать поле «стоимость жилья» с полем, куда вводится адрес заемщика. Можно расширить анкету и дополнить ее данными, подтверждающими характер занятости заемщика (справки с места работы, трудовая книжка). Эта информация позволит более детально оценить его вероятностные современные и будущие доходы. Использованиеновой группы показателей позволяет не только увеличить точность математического ожидания дохода данной группы, но и точность оценки ожидаемого разбросаи его будущей динамики на срок кредитования.
3.5. Применение скоринга в России
Своя скоринговая система оценки кредитоспособности заемщиков есть у любого банка. Она зашифрованав предоставленной на заполнение анкете. В ее основележит предположение, что при равных условиях людисо схожими социальными показателями ведут себяодинаково. Это позволяет банку присвоить своемуклиенту определенный весовой коэффициент, на основании которого его относят к той или иной группериска. Работает эта методика следующим образом. Заявка вместе с документами поступает к соответствующему кредитному работнику, который после ее рассмотрения проводит предварительную беседу с будущимзаемщиком.
Особенно это важно для предоставления потребительских кредитов. Перед кредитным работникомстоит непростая задача оценить персональные качествазаемщика, его порядочность и честность, поэтому кредитный работник должен быть педагогом, аналитиком, психологом. Важно выяснить уровень доходов, семейное положение, состояние здоровья и т. д. Беседа имеет большое значение для решения вопроса о будущем кредите. Она позволяет не только выяснить и уточнить деталикредитной заявки, но и составить психологический портрет заемщика, руководствуясь поведенческимскорингом. После сбора необходимой информации и проведения беседы кредитный работник должен принять решение: отказать в предоставлении кредита или продолжить работу с клиентом. Процесс кредитного анализа и выдачи кредита является одним из основныхмоментов работы кредитного работника. Отказ означает, что риск слишком велик. В случае положительного заключения изучения кредитной заявки и оценкикредитного риска работа с потенциальным заемщикомпродолжается. Привлечение банками для оценки кредитоспособности квалифицированных специалистов имеет несколько недостатков:
· во-первых, их мнение все же субъективно;
· во-вторых, люди не могут оперативно обрабатыватьбольшие объемы информации;
· в-третьих, оплата хороших специалистов требует значительных расходов. Поэтому банки все больше интересуются такими системами оценки риска, которые позволили бы минимизировать участие экспертов и влияние человеческогофактора на принятие решений. Со стороны кажется, что банки выдают беззалоговыекредиты совершенно хаотично. Судите сами: для получения ссуды никаких документов (кроме паспорта) не требуется, однако одни просители получают деньги, а другие -отказ. В одном банке при тех же условиях получат ссуду, в другом — нет.
Все дело, как мы уже выяснили, в том самом скоринге, который применяет тот или иной банк. В России итоговый балл по скориноговой карте является тайной за семью печатями:
· во-первых, банкиры боятся мошенников: узнав, как взвешиваются шансы заемщиков, можно научиться «правильно» заполнять анкеты;
· во-вторых, банки дорого заплатили за разработку своихсистем, поскольку зарубежные системы для России не годятся (слабо учитывают российскую специфику), а свои системы нужно было разрабатывать путем многочисленныхпроб и ошибок. Чтобы анкета хорошо предсказывала вероятность невозврата, необходимо проанализировать как минимум 20−30 тысяч наблюдений, то есть практически наудачу выдать кредитов на несколько миллионов долларов. Как правило, в анкете значимы не все вопросы, амаксимум 10−12. В приведенном примере (Таблица 2) максимальная сумма баллов — 1000, а точка отсечения- 650 баллов. Наибольшая сумма беззалогового кредита для нашего примера — 250 тысяч рублей. Но невсякий, кто наберет больше 650 баллов, точно получиткредит или максимальную сумму
Набор параметров в скоринговой карте направлен нетолько на оценку финансового состояния заемщика, нои на оценку правдивости представленной им информации. Например, если вы указываете в анкете своймесячный доход в размере 2 000 долларов, но приэтом владеете автомобилем «Жигули» 1980 года выпуска, то, скорее всего, в кредите вам откажут. Крометого, нередко в анкету заемщика включают вопросы, позволяющие оценить психологический портрет потенциального клиента. Цель — отсеять тех людей, которые в принципе не готовы ежемесячно вносить платежи по кредиту, даже когда у них есть деньги. Кредитный рейтинг по скоринговой карте такжевлияет и на то, сколько денег выдаст банк своему клиенту. Но при этом банк обратит внимание и на ежемесячный доход клиента. Например, если клиент набрал810 баллов при зарплате 25 000−40 000 рублей, то онможет претендовать на сумму в 130 000 рублей. Пример развернутой скоринговой карты приведен в таблице 3. Таблица 3 — Пример скоринговой карты 2Показатель
ЗначениеБаллы
Возраст< 20 лет1520 — 253 425 — 305 530−359 035−5 011 450−6097> 60 лет15Наличие детейнет детей87один64двое52трое14более трех4Семейное положение
Холост (не замужем)
85Женат (замужем)
112Женат (замужем), но живет раздельно30 В разводе70Вдовец (вдова)
65Сфера деятельности
Госслужба95Коммерческая структура127Пенсионер18Другие49Квалификация
Нет квалификации5Обслуживающий персонал15Специалист75Служащий85Руководитель115Стаж работы
До одного года7До двух лет29До трех лет52До пяти лет61Более пяти лет91Среднемесячный доход 40 000 рублей199Наличие автомобиля (марка)Нет автомобиля69Отечественная, старая9Отечественная, новая57Иномарка, старая61Иномарка, новая120Итак, кредит не получат молодые и неопытные специалисты, даже если в своей анкете они заявят крупныйдоход. Идеальный клиент банка, в соответствии с разработанной скоринговой картой, выглядит так: бездетный руководитель 40−50 лет, работающий в коммерческой организации, владеющий новенькой иномаркой. Интересно, с точки зрения кредитоспособности, расставание с супругом лучше всего оформить официально -таким гражданам банки доверяют больше. Для многих кредитных организаций также очень важно, чтобы у клиента был домашний телефон — без негокредит вообще могут не дать. Особенно это важно, когда скоринговая система используется как «предварительное» сито для выдачи ипотечного кредита. В целях эксперимента была попытка взять кредит напокупку автомобиля в различных банках. Во-первых, этот кредит составляет существенная, но не запредельная сумма, что заставляет банк проявлять среднестатистическое внимание к потенциальному заемщику, во-вторых, именно этот вид денежного кредита вданный момент очень широко распространен. Данные, которые были вписаны в анкеты нескольких банков, были следующие: женщина 35 лет; замужем, но живущаяс мужем раздельно; без детей; с постоянной регистрацией вМоскве; служащая коммерческой компании; с зарплатой в28 000 рублей в месяц; стаж работы — 2 года; без автомобиля; с домашним телефоном. Итого в сумме, в соответствии соскоринговой картой набиралось 735 очков, которых, по идее, должно было хватить для получения беззалогового кредитана сумму около 130 000 рублей. Московское представительство российского отделения «CitiBank», приняв и проанализировав заявку, дало ответ через тринедели, сообщив, что наша соискательница может получить250 000 рублей под 12 процентов годовых. При этом банк, посути, не интересовался, будет ли куплен на эти деньги автомобиль или что-либо еще. Столичный офис «RaiffaisenBank», «прокачав» анкету через свои фильтры в течение двух недель, предложил 200 000рублей под 16 процентов годовых, пожелав получить документальное свидетельство о покупке автомобиля из любогоавтосалона. Банк «Русский стандарт» откликнулся буквально через неделю: сумма доступного кредита была обозначена как150 000 рублей под 19 процентов годовых без всяких условий. Впрочем, менеджер департамента потребительскогокредитования любезно сообщил, что если заемщик откроетсчет в «Русском стандарте», сделав депозит в 50 000 рублей, то процентная ставка снизится до 15 процентов годовых."Сбербанк" оказался самым недоверчивым и скупым:
· во-первых, потребовал двух поручителей и справку о доходах;
· во-вторых, объявил о готовности одолжить только 120 000рублей, но процентная ставка там была всего 11 процентовв год. Основная причина такого разнообразия в принятии решения, скорее всего, кроется в различном проценте и профилях невозвращенных кредитов, а они, естественно, у всех банковразные. Компьютерные системы не просто осуществляют элементарную операцию по сложению очков потенциального заемщика, но и сравнивают анкету со своей базой данных, гдефигурируют как дисциплинированные плательщики, так и мошенники.
Это еще раз доказывает, что у каждого банка существует своя собственная скоринговая карта, составленная наоснове личного опыта общения с заемщиками. Параллельно стало ясно, что система бюро кредитных историй (БКИ), широко разрекламированная Центральным банком России, попросту не работает. В противном случае анкеты от одного заемщика столкнулись бы в общих базах данных, а результат должен был бы получиться совершенноидентичным вне зависимости от кредитной организации. Такое положение дел можно оправдать, учитывая, что Федеральный закон «О кредитных историях» заработал только февраля 2006 года. За такой короткий промежуток времениеще не накоплено необходимое количество данных о заемщиках. В свою очередь тормозят развитие этого направлениясами банки и заемщики, которые не проявляют активности висполнении Федерального закона. Банки боятся потерять"хороших" клиентов, а заемщики боятся, что их «серыми"доходами заинтересуются налоговые органы. Если созданные бюро начнут эффективнее осуществлятьобмен данными о заемщиках между банками, то:
· кредитные бюро смогут, по желанию заказчика, самостоятельно осуществлять скоринг для конкретных банков;
· у банков появится возможность набрать статистику длясобственных скоринговых моделей. Предположительно, активное сотрудничество начнется тогда, когда база данных позволит на десять запросов получитьхотя бы три отчета
Первыми в России скоринговые системы экспресс-оценкипринимают на вооружение крупные банки и страховые компании, то есть те институты, которые по роду своей деятельностиобладают большим объемом статистических данных. При этомстраховые компании начинают предлагать банкам свои услугипо страхованию кредитов. Пионером в этом бизнесе сталастраховая компания «РОСНО». Банкам предоставляется доступ к скоринговой системе страховщика, моментально оценивающей платежеспособность заемщика. «Одобренные» кредиты страхуются, и в случае невозврата банк получает возмещение долга и кредитов по нему, «выяснение отношений» сдолжником достается страховщику.
Стоимость услуги для банка 2−8% от вклада. Вероятно, стоимость страховки будет закладываться в стоимость кредита для потребителя, но, с другой стороны, банки могут сэкономить на оценке кредитоспособности клиента и убрать наценку за риск, а также уменьшитьразмер резервов, формируемых по ссудам. Первым клиентом"РОСНО" стал «Дельта-банк». Как полагают в «РОСНО», еслиэта услуга и окажется не слишком интересной для крупныхбанков, на долю которых отводится порядка 80% всего рынкапотребительского кредитования, оставшиеся 20% рано илипоздно заинтересуются.
Небольшим банкам система страхования риска невозврата позволит не вкладывать деньги в скоринг, тогда как лидеры рынка уже обзавелись дорогими системами экспресс-оценки платежеспособности заемщиков. У России есть свои особенности, связанные с нестабильностью экономики страны в целом, «перекосом» в развитии отраслей и межотраслевых связей, большой долей теневых доходов и др., что сказывается на параметрах отдельных потенциальных заемщиков. Например, одним из самых значимыхпоказателей западных скоринговых систем является возрастпотенциального заемщика (для Великобритании, Франции иГермании): чем старше человек, тем его оценка выше (он трактуется как надежный заемщик). Очевидна логика работы такойсистемы на Западе — проработавший всю жизнь человек успелнакопить как средства, так и кредитную историю. У нас с очевидностью эта логика будет инвертированной: чем старше заемщик, тем его оценка (кредитоспособность) ниже.
Поэтомунельзя просто перенести модель из одной страны в другую, изодной кредитной организации в другую. Не может быть создано единого алгоритма, работающего для всех стран одинаковохорошо. Более того, для различных регионов РФ, в силу различия наших регионов по условиям социально-экономическогоразвития, система оценки риска будет различаться от регионак региону. Каждая конкретная модель должна соответствоватьопределенной стране, ее экономическим и финансовым условиям, традициям и устоям отдельных территорий, данной кредитной организации. Оценивая будущее скоринговых систем вРоссии, специалисты единодушны: это перспективное направление будет стремительно развиваться, и даже дороговизнатаких систем не сможет сдерживать их распространения, поскольку сферы их применения практически не ограничены:
· финансовый и страховой рынки;
· маркетинг;
· государственная статистика.
ЗАКЛЮЧЕНИЕ
Вопрос оценки кредитоспособности клиента стоит сейчас достаточно остро для любого российского банка. Во-первых, банки по большей части не обладают полными автоматизированными банковскими системами. Во-вторых, такие системы, если они и установлены в банках имеют несовременные банковские инструменты для расчета платежеспособности клиента. В-третьих, что очень важно, российские банки не имеют возможности пользоваться длинными кредитными историями, таковых нет у клиентов. Отсутствие кредитной истории зарубежном банкинге автоматически ведет к отказу от кредитования. Такое решение, конечно, не может устраивать российские банки, поэтому известные и прошедшие апробацию модели скоринга на западе, не применимы в реалиях российского рынка. Ситуацию значительно усложняет отсутствие автоматизированных банковских систем высокого уровня для крупных банков. Крупные банки автоматически либо должны подстраивать свои продукты под новые реалии, что не всегда возможно, либо работать самостоятельно над разработками своих моделей, что происходит очень часто и закрывать собственные модели от внешних источников.
Поэтому осветить модели крупных банков по технологии скоринга достаточно сложно. В силу актуальности тематики и поставленным целям были проведены исследования, которые отражены в трёх главах работы. Результатом первой главы стало исследование понятия кредитного скоринга, как системы оценкикредитоспособности (кредитных рисков) лица, основанной на численных статистических методах. Основное применение при потребительском кредитовании в экспресс — магазинах на небольшие суммы. Применяется также операторами сотовой связи и страховыми агентами. Анализ литературных источников выявил наличие на рынке скоринговых продуктов некоторого дисбаланса, связанного с различными возможностями банков. Большинство банков, несмотря на наличие модулей кредитного скоринга, не очень им доверяют, и используют больше экспертные оценки кредитных инспекторов, которые, к сожалению, часто являются очень субъективными. Анализ моделей кредитного скоринга выявил несоответствие реалиям российского рыка кредитных продуктов и необходимость поиска новых алгоритмов для решения этой проблемы. Во второй главе исследованы различные алгоритмы кредитного скоринга и описана постановка задачи о выявлении «плохих» заемщиков. Каждая модель рассмотрена с точки зрения достоинств и недостатков. Отмечается, что лучшими моделями становятся модели, построенные на интеграции нескольких методик и алгоритмов. Третья глава посвящена построению анализу скоринговых технологий исторического процесса развития скоринга и особенностям скоринга в Росии. Эффективность усовершенствования алгоритма кредитного скоринга следует из посылов. Во-первых, сама идея поиска и выбора проблемного клиента и увеличение вероятности выявления такого клиента повышает не только активы банка, на которые не повлияет невозвращенный кредит напрямую, но также увеличивает рейтинг банка. Во-вторых, рейтинг банка придает банку значимости на рынке банковских услуг, увеличивает его клиентуру, а, значит, позволяет развиваться на рынке. В-третьих, идея автоматизации кредитного скоринга позволяет упростить операцию выдачи кредита, а, следовательно, сократить, нагрузку на кредитные отделы, а возможно и провести в них реорганизацию для повышения эффективности работы. В-четвертых, банк может себе позволить нанимать специалистов по кредитованию с меньшим опытом и быстро выявлять кредиты, которые кредитный инспектор выдает не по характеристикам клиентов, а по личным связям. Такой фактор снижает процент криминальных кредитов, которые должны отслеживаться службой безопасности банка. Усовершенствование моделей кредитного скоринга достаточно продуктивное направление деятельности и актуальность его подтверждаю конкурсы, проводимые известными разработчиками программного обеспечения по созданию моделей кредитного скоринга. СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫEGAR Technology.
Кредитование физических лиц [Электронный ресурс] / 2014/ - Режим доступа:
http://www.egartech.ru/fields/consumerlending, свободный. — Загл. с экрана. Jakubík P. Scoring as an indicator of financial stability
http://www.cnb.cz/miranda2/export/sites/www.cnb.cz/en/financial_stability/fs_reports/fsr_2009/Абричкина Г. Б. Инструментальные методы управления кредитными рисками регионального банка: Дис. … канд. экон. наук. Воронеж. — 2004. 156 c. Андреева Г. В. Скоринг как метод оценки кредитного риска // Банковские технологии.
http://www.cfin.ru/finanalysis/banks/scoring.shtmlБарсученко А. С. Проблема внедрения кредитного скоринга в отечественной банковской системе/ А. С. Барсученко // «Управліннярозвитком», 4(167). — 2014. С.
31−34.Бархатов И. А. Управление рисками розничного портфеля банков: применение кластерного анализа /И.А. Бархатов // «Банковский ритейл», N 4, IV квартал. — 2010. — 15 с. Викторова Л. Российские банки все шире применяют скоринговые системы / Л. Викторова // «РБК.
Ежедневная деловая газета", N 4, IV квартал. — 2011
Ворошилова И.В.К вопросу о совершенствовании механизма оценки кредитоспособности индивидуальных заемщиков.
http://ej.kubagro.ru/2009/08/03/Гараган С. А. Метод эмпирической скоринговой функции и его использование в кредитном процессе[Электронный ресурс] / 2014. — Режим доступа:
http://crosys.org/empirical_scoring_function.html, свободный. — Загл. с экрана. Дебок Г. Анализ финансовых данных с помощью самоорганизующихся карт./ Г. Дебок. — М.: Издательский дом «Альпина». ;
2001. 230 с. Зубов С. А. Исследование информационного обеспечения банковской деятельности / С. А. Зубов // ДЕНЬГИ И КРЕДИТ — 2012.
— № 4 — С. 30−34.Иванов
Е.Б.Построение скоринговых моделей на основелогистическойрегрессии/Е.Б.Иванов, Л.А. Мещерякова// «V квартал. — 2010
Ишина И. В. Скоринг — модель оценки кредитного риска / С. А. Зубов // Аудит и финансовый анализ. — 2007. — № 4 — С. 1−7.Карминский А. М. Методология создания информационных систем. М.: ИД Форум — ИНФРА-М. 2012
Ковальчук Д.А.Скоринг-модуль — метод снижения рисков потребительского кредитования/Д.А.Ковальчук // «Бизнес в законе. Экономико-юридический журнал», N 3. — 2010. С. 272−274.Корниенко С. Л. Оценка кредитоспособности заемщика в процессе управления кредитным риском: Дис. … канд. экон. наук: 08.
00.10: М., 2003. 230c. Крылов А. Будущее банков — персональный продукт каждому клиенту / А. Крылов // Рекламные технологии. — 2008. — № 2 — С. 16−21.Модели кредитного и поведенческого скоринга.
http://masters.donntu.edu.ua/2006/kita/shepeleva/library/metod%20scoring.pdfМэйз Э. Руководство по кредитному скорингу / Э. Мэйз. — М.: Гревцов
Паблишер. — 2009. 464 с. Образцов А. С.
Проблемы применения скоринговой системы кредитования в России / А. С. Образцов // «Управление экономическими системами», 12 (48). — 2012.
С. 55−58.Петров В. Н. Информационные системы / В. Н. Петров. -
СПб.: Питер, 2002. — 210 c. Пещанская И. В. Краткосрочный кредит: теория и практика. — М.: Издательство «Экзамен». ;
2008. 320 с. Просалова В. С. Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем: На примере Приморского края: Дис. … канд. экон. наук: 08.
00.10. Владивосток, 2006.
186с.: ил. Рожнова В. С. Автоматизированные системы обработки финансово-кредитной информации / В. С. Рожнова. — М.: Финансы и статистика, 2002.
— 256 с. Рындина С. В. Математические модели application-скоринга. // Проблемы информатики в образовании, управлении, экономике и технике: Сб. статей Всерос. научно-техн. конф. Пенза, 2008.
С. 32−35. Маклаков С. Применение CASE-средств в автоматизации банковской деятельности
http://www.interface.ru/case/casebank.htmСелезнева Н.Н., Ионова А. Ф. Финансовый анализ. М.: Юнити, 2002. 479с. Серегин А.Рынок ДБО в России и в мире / А. Серегин, К. Червонный // Банковские технологии. -
2008. — № 10 — С. 22 — 26. Сиддики Н. Скоринговые карты для оценки кредитных рисков / Н. Сиддики. -
М.: Манн, Иванов и Фербер. — 2014. 268 с. Соколов Г. М. Автоматизация деятельности учреждений банков / Г.
М. Соколов. — М.: Финанси и статистика, 2005. — 256 с. Тавасиев А. М., Мазурина Т. Ю. и др. Банковское кредитование: Учебник для вузов/Под ред.
А.М.Тавасиева. — М.: ИНФРА — 2010. 345 с. Титоренко Г.
А. Автоматизированные информационные технологи в банковской деятельности: учебное пособие / Г. А. Титоренко. — М.: Финстатинформ, 2005. — 320 c. Усачёв С.
Кредитный скоринг: решения desktop или enterprise / С. Усачёв // «Банки и технологии» — № 04. — 2010. C.
70−78.Шешукова Т. Г. Кредитный скоринг как система анализа заемщика-предприятия малого бизнеса кредитной организацией / Т. Г. Шешукова, М. В. Быкова // Вестник Пермского университета. Серия: Экономика. Вып. (16).
— 2013. С. 52−56.ПРИЛОЖЕНИЯ
