Бюро кредитных историй
Дипломная работа - Банковское дело
Другие дипломы по предмету Банковское дело
просов работы БКИ, и начнем с роли человека в этих вопросах.
Работы по минимизации финансовых потерь КБ-кредиторов от недобросовестных заемщиков сильно осложняются тем, что кредитные риски - это случайные процессы, о которых у КБ мало информации. Это значит, что и финансовые потери КБ также являются случайными процессами. Изменить это положение полностью невозможно. Поэтому оптимизировать финансовые потери КБ можно только в среднем.
Иiерпывающей характеристикой любого случайного процесса является его функция распределения (ФР), а все другие методы количественного определения риска как случайного процесса служат для того, чтобы в той или иной мере приблизиться к истинной ФР. Знаменитый американский экономист Христофор Мей (Christophor May) говорил так: "Если вы оказываетесь правы в 53% случаев на протяжении длительного времени, значит вы делаете все как надо. Вы не должны быть правы всегда".
К сожалению, далеко не все учитывают изложенное выше. В финансовой математике возникло даже такое понятие, как "отношение руководителя к риску". Известны графики, иллюстрирующие существенный рост прибыли при высоких рисках, однако эти графики не показывают, какие огромные потери могут быть в этом случае при проигрыше и что наступит раньше - выигрыш или проигрыш? Многие участники финансовых рисков игнорируют элементарные математические раiеты, прежде чем принять важное решение. Так, например, на практике нередки случаи, когда соотношение риск/прибыль составляет 10:1!
Перейдем теперь к рассмотрению математических вопросов технологий БКИ.
Задача оценки дефолта заемщика в БКИ для использования в КБ является более сложной, чем оценка экономического положения (ЭП) КБ для ЦБ РФ. Дело в том, что КБ - это сложная динамическая система (СДС), функционирующая в условиях неопределенностей. Такие системы, в принципе, можно формализовать, ибо любая система имеет свои характеристики. И тем не менее 75 тыс. сотрудников ЦБ РФ до сих пор не могут разработать приемлемые методы оценки ЭП КБ. Примером может служить недавнее обсуждение проекта указания ЦБ РФ "Об оценке ЭП КО". Проект этого указания вызвал бурную реакцию банкиров, Ассоциации российских банков и даже финансовых чиновников Совета Федерации. В то же время руководители ЦБ РФ заявляют, что "регулировать регулятора нельзя".
Это значит, что ЦБ РФ не слушает сейчас и не собирается слушать впредь никаких предложений со стороны специалистов.
Перед БКИ же стоит задача оценки дефолта клиента, который кроме финансовых характеристик его бизнеса имеет и другие неформализуемые характеристики биологического существа, значение которых может быть весьма существенным.
Это значит, что даже если бизнес клиента безупречен, то существует еще ряд других иногда более веских причин дефолта клиента, совершенно не связанных с платежами по полученному кредиту. Эти "другие" причины характеризуются конкурирующими рисками. Можно расiитать "чистую" вероятность дефолта клиента, связанную только с его кредитными делами, хотя это достаточно сложно. Разумеется, есть и другие трудности в работе БКИ, например ограниченная статистическая информация о клиентах, требующая применения специальных методов математики.
Поэтому в целом задача оценки дефолта клиента в БКИ является более сложной, чем задача оценки ЭП КБ.
Рассмотрим теперь некоторые соображения по решению технологических вопросов БКИ. Несомненно, БКИ - важнейший элемент системы управления рисками, поэтому целесообразно рассмотреть некоторые предложения по оценке этих рисков в БКИ.
. Один из способов получать дополнительную квазиинформацию о заемщиках в условиях ограниченной исходной информации о них - это моделирование в виде, например, метода статистических испытаний (МСИ), известного еще как метод Монте-Карло. Достоинством МСИ является очень простая структура вычислительного алгоритма, недостатком - погрешность вычислений. Например, чтобы получить в оценке еще один верный десятичный знак (т. е. снизить погрешность вычислений в 10 раз), надо увеличить количество генерируемых псевдослучайных чисел в 100(!) раз. Ясно, что таким способом добиться высокой точности невозможно. Поэтому МСИ особенно эффективен при решении задач, где требуется точность оценки порядка 5-10%. Тем не менее решая одну и ту же задачу различными вариантами МСИ, во многих случаях можно значительно повысить точность вычислений оценок.
Нельзя не отметить здесь и существование потенциальной ошибки при генерировании заданного закона распределения (ЗР) по ограниченной выборке. Это значит, что из-за недостатка исходной статистической информации о каждом клиенте выборочное среднее арифметическое и дисперсию генерируемого ЗР мы определяем с некоторой ошибкой, т. е., в принципе, мы генерируем не тот (хотя и очень близкий к истинному) ЗР, и чем больше будет исходная выборка, тем меньше будет различие между истинным и моделируемым ЗР. Заметим здесь, что техника моделирования случайных процессов и их ЗР к настоящему времени достигла высокого уровня развития. Например, известны такие эффективные методы моделирования, как bootstrap, jackknife и др.
. Сбор и хранение только негативной информации о заемщиках совершенно недопустимы даже с простой позиции здравого смысла. Так, если заемщик брал 10 кредитов и один из них не вернул, то этот заемщик будет навечно числиться в БКИ как "плохой", хотя это не соответствует действительности. А с точки зрения математики вообще и математической с