Споживче кредитування та його розвиток в УкраСЧнi
Дипломная работа - Банковское дело
Другие дипломы по предмету Банковское дело
? зберегти витрати на низькому рiвнi, зменшуючи час, затрачуваний на один клiСФнта. Також для iдеального обслуговування клiСФнтiв потрiбно, щоб це автоматизоване рiшення вiдмовляло в кредитi як можна меншому числу кредитоспроможних клiСФнтiв i в той же час вiдсiвало якнайбiльше потенцiйних порушникiв
Ризик-менеджери залучаються для допомоги у виборi для привiлейованого обслуговування "правильних" клiСФнтiв, тобто клiСФнтiв, що несуть найменший ризик. Навпроти, у вiдношеннi до клiСФнтiв, що демонструють негативне поводження (неплатежi, шахрайство), ризик-менеджери повиннi застосовувати стратегiСЧ, що дозволяють не тiльки iдентифiкувати СЧх, але й ефективно вживати заходiв, щоб мiнiмiзувати подальшi втрати.
Ключовим поняттям новоСЧ технологiСЧ роботи кредитного ризик-менеджера СФ скоринг та скоринговi таблицi.
Система скоринга для оцiнки кредитоспроможностi це, насамперед, той або iнший вид математичноСЧ моделi, що дозволяСФ ставити конкретному потенцiйному позичальниковi, кожний з яких описуСФться рядом параметрiв, у вiдповiднiсть деяку величину, що оцiнюСФ кредитну якiсть позичальника.
Здебiльшого, якi б математичнi розумiння не закладалися в пiдставу скоринговоСЧ моделi, скоринг являСФ собою зважену суму факторiв ризику кредитноСЧ якостi позичальникiв:
S = a1 * X1 + a2 * X2 + ... + ak * Xk (3.1)
де S значення скоринга,
X1,X2...Xk параметри клiСФнта, що входять в оцiнку його кредитноСЧ якостi,
a1,a2...ak ваги, що характеризують значимiсть вiдповiдних параметрiв клiСФнта (фактори ризику його кредитоспроможностi) для формування його кредитного скоринга.
Для зниження витрат i збiльшення пропускноСЧ здатностi системи скоринга, крiм математичноСЧ моделi, необхiдна СЧСЧ програмна реалiзацiя. Необхiдно також мати систему регламентiв i процедур, що задають правила експлуатацiСЧ системи скоринга.
Скоринг СФ одним з найбiльш успiшних прикладiв використання математичних i статистичних методiв у бiзнесi, що у даний час широко застосовуються у всiх економiчно розвитих краСЧнах. Скоринг використовуСФться головним чином при кредитуваннi фiзичних осiб, особливо в споживчому кредитi при незабезпечених позичках, та являСФ собою математичну або статистичну модель, за допомогою якоСЧ на основi кредитноСЧ iсторiСЧ минулих клiСФнтiв банк намагаСФться визначити, наскiльки велика iмовiрнiсть, що конкретний потенцiйний позичальник поверне кредит у визначений термiн.
У захiднiй банкiвськiй системi, коли людина звертаСФться за кредитом, банк може мати наступну iнформацiю для аналiзу [79, с.14]:
анкета, яку заповнюСФ позичальник;
iнформацiя на даного позичальника з кредитного бюро органiзацiСЧ, у якiй зберiгаСФться кредитна iсторiя всього дорослого населення краСЧни;
данi рухiв по рахунках, якщо мова йде про вже дiючого клiСФнта банку.
У самому спрощеному видi скорингова модель являСФ собою зважену суму визначених характеристик. У результатi виходить iнтегральний показник (score); чим вiн вище, тим вище надiйнiсть клiСФнта, i банк може упорядкувати своСЧх клiСФнтiв по ступеню зростання кредитоспроможностi.
РЖнтегральний показник кожного клiСФнта порiвнюСФться з якимсь числовим порогом, або лiнiСФю роздiлу, що, власне кажучи, СФ лiнiСФю беззбитковостi i розраховуСФться з вiдношення, скiльки в середньому потрiбно клiСФнтiв, що платять у термiн, для того, щоб компенсувати збитки вiд одного боржника. КлiСФнтам з iнтегральним показником вище цiСФСЧ лiнiСЧ видаСФться кредит, клiСФнтам з iнтегральним показником нижче цiСФСЧ лiнiСЧ не видаСФться.
Усе це виглядаСФ дуже просто, однак складнiсть полягаСФ у визначеннi, якi характеристики варто включати в модель i якi ваговi коефiцiСФнти повиннi СЧм вiдповiдати. Скоринг видiляСФ тi характеристики, що найбiльш тiсно звязанi з ненадiйнiстю або, навпаки, з надiйнiстю клiСФнта. Скорингова модель не знаСФ, чи поверне даний позичальник кредит, але знаСФ, що в минулому люди цього вiку, цiСФСЧ ж професiСЧ, з таким же рiвнем освiти i з таким же числом утриманцiв кредит не повертали. Тому скорингова система давати кредит цiй людинi не рекомендуватиме.
У цьому полягаСФ дискримiнацiйний (не в статистичному, а в соцiальному значеннi цього слова) характер скоринга, тобто якщо людина по формальних ознаках близька до групи з поганою кредитною iсторiСФю, то йому кредит не дадуть. Тому навiть при дуже високому ступенi використання автоматизованих систем скоринга здiйснюСФться субСФктивне втручання у випадку, коли кредитний iнспектор маСФ додаткову iнформацiю, що доводить, що людина, класифiкована як ненадiйна, насправдi гарна, i навпаки.
У ВеликобританiСЧ найбiльше часто використовуються наступнi характеристики для оцiнки кредитного ризику [75, с.32]:
Вiк
Кiлькiсть дiтей/утриманцiв
Професiя
Професiя чоловiка(i)
Доход
Доход чоловiка(i)
Район проживання
Вартiсть житла
Наявнiсть телефону
Скiльки рокiв живе по данiй адресi
Скiльки рокiв працюСФ на данiй роботi
Скiльки рокiв СФ клiСФнтом даного банку
Наявнiсть кредитноСЧ картки/чековоСЧ книжки
В iнших краСЧнах набiр характеристик, що найбiльше тiсно звязанi з iмовiрнiстю дефолта iмовiрнiстю, що позичальник не поверне кредит або затримаСФться з виплатою, буде вiдрiзнятися в силу нацiональних економiчних i соцiально-культурних особливостей. Чим бiльш однорiдна популяцiя клiСФнтiв, на якiй розробляСФться модель, тим точнiше прогнозування дефолта. Тому очевидно, що не можна автоматично перенести модель з однiСФСЧ краСЧни в iншу