Оценка кредитоспособности заемщиков БИНБАНК методами нейросетевого моделирования
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
Вµсячный фонд рабочего времени.
Среднемесячная заработная плата начинающего программиста составляет 15 000 рублей.
Среднемесячный фонд рабочего времени берется = 100 часов.
Таким образом, стоимость одного часа работы программиста, равна:
ЧС = 15 000руб./100ч.=150руб.
Затраты на оплату труда каждого работника приведены в таблице 21.
Таблица 13
Затраты на оплату труда
Категория работникаКвалификация работникаВремя разработки нейросети (час)Часовая ставка (руб/ч.)Сумма (руб.)Разработчик нейросетиПрограммист200150.030 000Итого30 000
Таким образом, общая сумма затрат на оплату труда, расiитанная по формуле, равна: Зтр = 30 000 рублей.
Отчисления на социальное страхование
В статью Отчисления на социальное страхование включается общая сумма страховых взносов в ПФР, ФСС, федеральный и территориальные ФОМСы, согласно закону №212-ФЗ (ред. от 28.11.2011г.) Ставка налога расiитывается исходя из зарплаты сотрудника. Общий размер ставки 34% включает отчисления:
Таблица 14
Ставки взносов на социальное страхование.
Наименование фондаСтавка взносов в % при общей системе налогообложения2009-20102011-2012ПФР20,026,0ФСС2,92,9ФФОМС1,12,1ТФОМС2,03,0Итого:26,0 34,0
Таким образом, отчисления на социальные нужды составляют
Зсн = 30 000 *0,34 = 10 200 рубля
Затраты на электроэнергию
Таблица 15
Затраты на электроэнергию.
Наименование оборудованияПаспортная мощность, кВтКоличество, штВремя работы оборудования на разработку нейросети, чЦена электроэнергии, руб./кВт*чСумма, руб.Компьютер0,612002,45294Принтер0,3112,450,735Итого:294,74
Таблица 16
Итоговая таблица статей затрат.
Статья затратСумма, руб.затраты на оплату труда30 000отчисления на социальное страхование10 200затраты на электроэнергию294,74Итого:40 494,74
Затраты на разработку нейросетевой системы составили 40 494,74 рублей.
.3.3 Определение приблизительной стоимости разработанной нейросети
Себестоимость разработки нейросети составляет 40 494,74 рублей.
Если продать продукт по цене, равной себестоимости, мы не получим прибыли, а это значит, что разработка программы является экономически неэффективной. Следовательно, продавать будем по более высокой цене. Также при определении цены следует учитывать цены подобных программных продуктов, ведь если цена будет слишком велика, его никто не купит. Предположим, средний уровень рентабельности составит 23 % себестоимости. Тогда мы получаем Р (Price):
Р=40 494,74 *23%+40 494,74 =49 808,53 рублей.
Нейросеть разработана с минимально возможными затратами. Любой кредитной организации важно число и сумма выданных кредитов, так как доход кредитной организации зависит от уплаченных процентов. Важно как можно скорее принять решение и предоставить кредит клиенту. Причем важно достаточно точно оценить кредитоспособность клиента, поскольку от точности прогноза зависит доходность банка. Если кредитоспособность будет оценена неправильно, появляется риск банкротства организации.
Принятие решения по одной кредитной заявке длится примерно 2 недели, для сбора полного пакета документов клиенту приходится неоднократно приходить в отделение банка. И после такого огромного количества потраченного времени клиент может получить отрицательное решение. И для увлечения продуктивности работы кредитного инспектора важно как можно раньше определить кредитоспособность клиента.
Таким образом, спроектированная нейросеть даст возможность банку сократить время работы с одним клиентом, за iет чего увеличится число клиентов в день, следовательно, и число решений по кредиту.
Кредитный инспектор принимает документы, проверяет на соответствие критериям банка, что занимает от 3 до 7 дней. После этого дело выносится на комитет, принятие решения которым может продлиться до 5 дней.
Данная программа же может оценить кредитоспособность клиента уже при первом обращении. Таким образом, если уже при первом обращении будет выявлена низкая кредитоспособность клиента, кредитный инспектор сэкономит время на данном клиенте.
При анализе кредитных историй за 2009 - 2012 года, были обнаружены случаи, когда клиенту был одобрен кредит, но в дальнейшем возникли проблемы с данным клиентом. А это стоит банку потери процентов и выданных средств.
Данная ИИС позволяет вовремя определить категорию клиента, что позволит как минимум не понести убытки, увеличить число клиентов за iет сокращения времени работы с неблагонадежными клиентами.
Заключение
Одна из важнейших задач кредитной политики банка - эффективная оценка кредитоспособности заемщика. В настоящее время существуют различные методы оценки кредитоспособности заемщика, которые включают как плюсы, так и недостатки. К таким относятся: эконометрические модели, экспертные модели или рейтинги, нейронные сети, оптимизационные модели и гибридные или комплексные системы. Но в условиях экономического кризиса все они показали свою несостоятельность. В связи с этим возникает необходимость совершенствования методик оценки кредитоспособности и управления рисками, поскольку повышение доходности кредитных операций непосредственно связано с качеством оценки кредитного риска.
В рамках работы были рассмотрены возможности использования нейросетевых технологий в качестве практического инструментария определения кредитоспособности заемщика. В целях совершенствования методик оценки кредитоспособности для снижения кредитных рисков автором работы была сконструирована модель