Инструментальные методы управления кредитными рисками регионального банка

Абричкина, Галина Борисовна

Темы диссертаций по экономике » Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда

Инструментальные методы управления кредитными рисками регионального банка тема диссертации по экономике, полный текст автореферата

Автореферат

Ученаd>кандидат экономических наук
Автор	Абричкина, Галина Борисовна
Место защиты	Воронеж
Год	2004
Шифр ВАК РФ	08.00.05

Диссертация

Автореферат диссертации по теме "Инструментальные методы управления кредитными рисками регионального банка"

На правах рукописи

АБРИЧКИНА Галина Борисовна

ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ УПРАВЛЕНИЯ КРЕДИТНЫМИ РИСКАМИ РЕГИОНАЛЬНОГО БАНКА

Специальности: 08.00.05 - Экономика и управление народным

хозяйством (региональная экономика) 08.00.13 - Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

Воронеж - 2004

Работа выпонена в Воронежском государственном университете

Научный руководитель:

доктор экономических наук, профессор Хацкевич Лев Давидович

Официальные оппоненты:

доктор экономических наук, профессор Белоусов Владимир Ильич;

кандидат экономических наук, доцент Концевая Наталья Валерьевна

Ведущая организация

Всероссийский научно-исследовательский институт вычислительной техники (г. Москва)

Защита состоится 28 июня 2004 г. в 1400 часов в конференц-зале на заседании диссертационного совета ДМ 212.037.09 при Воронежском государственном техническом университете по адресу:

394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в научной библиотеке Воронежского государственного технического университета.

Автореферат разослан 27 мая 2004 г.

Ученый секретарь диссертационного совета

О/Мьшлх^^

Мяснянкина О.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Динамичность развития региона невозможна без наличия на его территории региональных банков, застрахованных от высокорискованных финансовых вложений, в том числе за счет создания систем, позволяющих адекватно оценивать потенциал кредитуемых предприятий и проектов. Большинство программ по развитию региона финансируется в настоящее время из местного бюджета с привлечением средств региональных банков. Эффективность проводимых в регионе мероприятий напрямую зависит от своевременного планового финансирования с последующим жестким мониторингом проектов и контролем промежуточных результатов. Данная функция под силу устойчивым региональным банкам, напрямую заинтересованным в наличии в регионе динамично развивающихся предприятий как своей потенциальной базы для реализации дальнейшей стратегии своего развития.

Вместе с тем наличие в регионе устойчивых банков, осуществляющих помимо инвестирования в региональные программы попонение оборотных средств предприятий, способствует повышению инвестиционной привлекательности региона в целом, укреплению финансового состояния предприятий и, как следствие, собираемости налоговых платежей. При управлении данными процессами главная задача - уменьшение рисков при взаимодействии предприятий и региональных банков.

Необходимость воспонения дефицита средств в хозяйственном обороте реального сектора экономики с помощью банковского кредита в условиях неустойчивого финансового состояния объектов кредитования представляется на современном этапе одной из ключевых проблем, успешное решение которой в значительной мере влияет на эффективность функционирования российской экономики в целом. В этой связи высокую актуальность приобретают вопросы минимизации рисков, связанных с размещением или привлечением кредитных ресурсов.

Важным фактором принятия финансовых решений является то, что кредитные риски, принимаемые на себя банками в процессе кредитования клиентов, напрямую связаны с рисками, которым подвергаются их клиенты. Существуют тесные причинные связи между кредитными рисками банков и финансовыми рисками их клиентов. Для развития любого региона минимизация рисков, возникающих в процессе деятельности предприятий, является одной из приоритетных задач, решение которой обеспечивает уровень его инвестиционной привлекательности и, как следствие, динамику его развития.

Совокупность факторов, обеспечивающих инвестиционную активность в регионе - близость к деловому центру России, огромный промышленный потенциал, высококвалифицированные кадровые ресурсы, благоприятная политическая обстановка, высокая динамичность развития малого предпринимательства и так далее, обязательно допоняется еще одним показателем - возможностью предприятий выбирать оптимальные для своего развития программы кредитования. Сочетание минимума риска и оптимального объема привлечен

РОС. НАЦИОНАЛЫ!/^ БИБЛИОТЕКА | С-Птрб/рг к7\К ОЭ Я *Л'Д

ных кредитных ресурсов является основной задачей финансового менеджмента предприятия любой формы собственности.

Эффективность региональных программ по созданию благоприятных для предприятий условий доступа к кредитным ресурсам зависит от возможности предприятий, и, прежде всего малых, пользоваться инструментами по оценке собственной кредитоемкости и реальной потребности в кредитных ресурсах. Такие системы позволяют минимизировать кредитные риски предприятий и, как следствие, избегать угрозы банкротства региональным банком.

В мировой практике определились два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании друг с другом: субъективное заключение экспертов или кредитных инспекторов; автоматизированные системы скоринга.

Для оценки кредитного риска производится анализ кредитоспособности заемщика, под которой в российской банковской практике понимается способность юридического или физического лица поностью и в срок рассчитаться по своим договым обязательствам. В западной банковской практике кредитоспособность трактуется как желание, соединенное с возможностью своевременно погасить выданное обязательство. Основная задача скоринга заключается не только в том, чтобы выяснить, в состоянии клиент выплатить кредит или нет, но и степень надежности клиента. Иными словами, скоринг оценивает, насколько клиент creditworthy, то есть насколько он достоин кредита.

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории прошлых клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок. В упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных количественных характеристик. В результате формируется интегральный показатель (score) и чем он выше, тем выше надежность клиента. Другими словами, банк на основе данного показателя может упорядочить своих клиентов по степени возрастания кредитоспособности.

Следует отметить, что в известных скоринг-системах средства управления кредитными рисками реализуются, в основном, математическими и инструментальными компонентами, обеспечивающими получение объективной оценки и прогнозирование, с той или иной степенью точности, уровня кредитоспособности конкретного заемщика. При этом практически отсутствуют средства оптимального распределения ограниченного финансового ресурса с целью получения максимального эффекта Ч возврата максимального объема денежных средств с минимальным риском. Кроме того, не принято рассматривать ско-ринг-системы в качестве доступного инструмента предприятия для оценки собственной кредитоемкости с целью выбора оптимальной программы кредитования.

Таким образом, актуальность темы диссертационной работы обусловлена:

Х созданием условий для развития на территории региональных банков, застрахованных от высокорискованных финансовых вложений и выступающих в качестве операторов экономической политики в регионе;

Х необходимостью дальнейшего совершенствования математических и инструментальных средств анализа и прогнозирования уровня кредитоспособности объектов кредитования как методической основы управления кредитными рисками, а также созданием специальных инструментальных систем управления кредитными рисками, направленных на оптимальное распределение финансовых ресурсов региональных банков с помощью скоринг-систем.

Работа выпонена в рамках одного из основных научных направлений Воронежского государственного университета "Система управления экономикой: формирование и развитие".

Цель работы и задачи исследования. Целью работы является обоснование динамики развития на территории региона региональных банков под единым стратегическим руководством как операторов экономической политики региона, а также разработка математических и инструментальных систем управления кредитными рисками, реализующих методы прогнозирования потенциального уровня кредитоспособности объектов кредитования в рамках оптимального распределения ограниченных финансовых ресурсов, повышающих эффективность и качество функционирования скоринг-систем.

Для реализации поставленной цели в работе определены и решены следующие основные задачи:

Х определение роли и политики регионального коммерческого банка как оператора экономической политики в регионе;

Х осуществление анализа проблематики управления кредитными рисками, а также методов моделирования и анализа кредитных рисков предприятий различных форм собственности и регионального коммерческого банка;

Х сопоставление применяемых на практике количественных показателей анализа финансовой деятельности объектов кредитования с точки зрения объективности оценки финансово-экономического состояния;

Х разработка модели скоринг-анализа кредитного риска в условиях неопределенности;

Х разработка модели прогнозирования уровня кредитоспособности объектов кредитования на основе аппарата нейронных сетей;

Х агоритмизация задачи управления кредитными рисками как задачи оптимального распределения ограниченного кредитного ресурса; ,

Х доработка средств специального программного обеспечения инструментальной скоринг-системы управления кредитными рисками, а также проведение их апробации в реальных условиях коммерческого банка.

Объест исследования. Возможности территориального регионального банка как оператора экономической политики в регионе, а также кредитные риски и инструментальные методы управления ими, в частности, средства управления ими в рамках скоринг-систем.

Предмет исследования. Региональный банк и его возможности в вопросах кредитования предприятий, а также математические и инструментальные методы прогнозирования уровня кредитоспособности объектов кредитования и оптимального распределения ограниченного финансового ресурса.

Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной:

Х определена роль регионального коммерческого банка как оператора экономической политики в регионе;

Х введено понятие о региональном риске как о корректирующем показателе при определении кредитного риска;

Х предложено формализованное описание процесса управления кредитными рисками, положенное в основу модели скоринг-анализа, позволяющей минимизировать интегральные потери в условиях неопределенности;

Х модифицирована модель скоринг-анализа для обеспечения комплексной оценки уровня кредитоспособности для заданного множества объектов кредитования и оптимального распределения ограниченного финансового ресурса;

Х модель прогнозирования уровня кредитоспособности потенциальных заемщиков, отличающаяся реализацией аппарата нейронных сетей, адаптирована для регионального банка;

Х предложена оптимизационная модель управления кредитными рисками, позволяющая обеспечить возврат максимального объема денежных средств с минимальным риском;

Х доработано специальное программное обеспечение инструментальной скоринг-системы управления кредитными рисками.

Теоретической и методологической основой исследования послужили положения и выводы, сформулированные в трудах отечественных и зарубежных экономистов в области финансового и банковского менеджмента, моделирования экономических процессов, анализа финансово-экономической деятельности объектов кредитования.

Методологический инструментарий исследования базируется на системном методе познания, который обеспечивает комплексный и объективный характер его проведения.

При решении поставленных задач в диссертационной работе использованы современные методы теории экономико-математического моделирования, дискриминантного анализа, дискретного программирования, а также кластер-анализа.

Информационной базой исследования послужили организационная структура коммерческого регионального банка, данные бухгатерской и финансовой отчетности предприятий-заемщиков Центрально-Черноземного банка Сбербанка России.

Практическая ценность работы состоит в следующем:

Х предложен комплекс моделей и инструментальных средств, позволяющий организовать эффективное управление кредитными рисками как со стороны предприятий, так и со стороны региональных банков;

Х Х применение инструментальных средств позволяет предприятиям, претендующим на получение кредитных ресурсов, произвести адекватную оценку собственной кредитоемкости с целью выбора оптимальной программы кредитования;

Х использование данного комплекса в рамках конкретной скоринг-системы позволяет осуществлять оперативный объективный анализ и прогнозирование уровня кредитоспособности потенциальных объектов кредитования в условиях неопределенности, а также оптимальное распределение ограниченных финансовых ресурсов с максимальным эффектом.

Реализация и внедрение результатов работы. Основные теоретические результаты работы реализованы в виде специального программного обеспечения скоринг-системы управления кредитными рисками и получили практическую апробацию в реальных условиях Центрально-Черноземного банка Сбербанка России.

Апробация работы. Основные положения диссертации докладывались и обсуждались на Всероссийском научно-практическом семинаре "Стратегический маркетинг" (Воронеж, 2001); Международной научно-практической конференции "Экономика, организация и управление инновационными и инвестиционными процессами на предприятиях и в регионе" (Новочеркасск, 2002); Всероссийской конференции "Интелектуальные информационные системы" (Воронеж, 2002); VIII Международной открытой научной конференции "Современные проблемы информатизации в непромышленной сфере и экономике" (Воронеж, 2003); Региональной научно-технической конференции "Новые технологии в научных исследованиях, проектировании, управлении, производстве" (Воронеж, 2003).

Публикации. По материалам диссертации опубликовано 9 научных работ, в том числе 4 без соавторов. В работах, опубликованных в соавторстве, соискателем предложены: в [5] - методы сбора информации и система оценочных показателей; в [6, 7] - оптимизационные модели применения скоринг-процедуры при ограниченных финансовых ресурсах; в [8] - подсистема принятия решения о выделении кредита; в [9] - постановка задачи управления кредитными рисками в условиях неопределенности.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы из 106 наименований и приложений. Основная часть работы изложена на 136 страницах, содержит 25 рисунков и 16 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, определены цель и задачи исследования, приведены результаты, составляющие научную новизну и практическую значимость работы.

В первой главе с системных позиций проанализирована роль регионального банка как оператора экономической региональной политики, осуществлен анализ проблематики управления кредитными рисками, а также методов мониторинга и анализа кредитоспособности объектов кредитования. Дана подробная

характеристика скоринга как метода оценки и прогнозирования кредитных рисков.

Контроль за кредитным риском конкретного заемщика осуществляется в течение всего периода с момента заключения кредитного договора до момента погашения, что обусловлено поятоянным изменением условий, на которых предоставляся конкретный кредит, что имеет определенные последствия для финансового положения заемщика и его возможности погасить кредит. Для этой цели ответственные службы банка дожны учитывать подобные изменения и периодически проверять все кредиты, срок погашения которых еще не наступил. Проведение проверок кредитов является необходимостью для осуществления разумной программы банковского кредитования.

Изменение условий осуществления деятельности заемщика изменяет уровень его кредитного риска, что требует внесения изменений в оценку кредитного портфеля банка. Данное требование достигается путем оценки кредитного портфеля по его текущей стоимости, т.е. с учетом динамики кредитного риска индивидуального заемщика - оценки текущей стоимости выданных кредитов. Размер кредитного риска может варьироваться в зависимости от некоторых случайных событий в будущем. В рамках данного этапа управления кредитным риском проводится постоянный мониторинг и контроль управления риском, задачами которых является отслеживание выпонения нормативов ограничения риска лицами, ответственными за принятие рисковых решений, анализ текущих значений кредитного риска на предмет опасного приближения к критическим показателям.

Таким образом, проблема повышения эффективности процессов кредитования непосредственно связана с необходимостью создания специальных математических и инструментальных средств управления кредитными рисками, основу которых составляют модели мониторинга и анализа финансового состояния объектов кредитования.

Во второй главе подробно рассмотрены вопросы применения скоринга при оценке кредитоспособности клиентов банков. Проанализированы проблематика скоринг-анализа, методы классификации объектов кредитования, методы построения объектно-ориентированных баз данных, составляющих информационное обеспечение агоритмов принятия решений.

Для оценки кредитного риска производится анализ кредитоспособности заемщика, под которой в российской банковской практике понимается способность юридического или физического лица поностью и в срок рассчитаться по своим договым обязательствам. Основная задача скоринга заключается не только в том, чтобы выяснить, в состоянии клиент выплатить кредит или нет, но и степень надежности и обязательности клиента. Иными словами, скоринг оценивает, насколько клиент достоин кредита.

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории прошлых клиентов

банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель (score); чем он выше, тем выше надежность клиента, и. банк может упорядочить своих клиентов по степени возрастания кредитоспособности.

Интегральный показатель каждого клиента сравнивается с неким число -вым порогом, или линией раздела, которая, по существу, является линией безубыточности и рассчитывается из отношения, сколько в среднем нужно клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного дожника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии - нет.

Отличительная черта скорингового метода состоит в том, что он дожен применяться не по шаблону, а разрабатываться самостоятельно каждым банком исходя из особенностей, присущих ему и его клиентуре, учитывать традиции страны, изменения социально-экономических условий, влияющих на поведение людей. Прежде чем широко внедрять скоринг каждый банк проводит анализ эффективности действующей модели и при необходимости модифицирует набор характеристик заемщика и шкалу их числовых оценок. В скоринге существует две основные проблемы. Первая заключается в том, что классификация выборки производится только на клиентах, которым дали кредит. Мы никогда не узнаем, как бы повели себя клиенты, которым в кредите было отказано: впоне возможно, что какая-то часть оказалась бы впоне приемлемыми заемщиками.

Но, как правило, отказ в кредите производится на основании достаточно серьезных причин. Банки фиксируют эти причины отказа и сохраняют информацию об лотказниках. Это позволяет им восстанавливать первоначальную популяцию клиентов, обращавшихся за кредитом.

Вторая проблема заключается в том, что люди с течением времени меняются, меняются и социально-экономические условия, влияющие на поведение людей. Поэтому скоринговые модели необходимо разрабатывать на выборке из наиболее свежих клиентов, периодически проверять качество работы системы и, когда качество ухудшается, разрабатывать новую модель. На Западе новая модель разрабатывается в среднем раз в потора года, период между заменой модели может варьироваться в зависимости от того, насколько стабильной была экономика в это время.

В целях построения модели сначала производится выборка клиентов кредитной организации, о которых уже известно, хорошими заемщиками они себя зарекомендовали или нет, иногда такая выборка называется лобучающей. Она может варьироваться от нескольких тысяч до сотни тысяч, что не является проблемой на Западе, где кредитный портфель компаний может состоять из десятков милионов клиентов. Выборка подразделяется на две группы: хорошие и плохие риски. Это оправдано в том смысле, что банк при принятии решения

о кредитовании на первом этапе выбирает из двух вариантов: давать кредит или не давать.

С содержательной точки зрения скоринг представляет собой классификационную задачу, где исходя из имеющейся информации необходимо получить функцию, наиболее точно разделяющую выборку клиентов на плохих и хороших. Но предварительно необходимо преобразовать имеющуюся информацию в форму, поддающуюся анализу. Существует два основных подхода, которые пригодны для работы как с количественными, так и с качественными характеристиками.

1. Преобразование каждого признака в отдельную двоичную переменную. Этот подход неудобен в том плане, что приводит к большому количеству переменных, хотя он не навязывает никаких допонительных отношений между зависимой и независимыми переменными.

2. Преобразование каждой характеристики в переменную, которая будет принимать значения, соответствующие отношению числа плохих клиентов с данным признаком к числу хороших клиентов с этим же признаком. Более усложненный вариант - взять логарифм этого отношения. Таким образом, каждый признак получает числовую величину, соответствующую уровню его рискованности.

Методы собственно классификации весьма разнообразны и включают в себя: статистические методы, основанные на дискриминантном анализе (линейная регрессия, логистическая регрессия); различные варианты линейного программирования; дерево классификации или рекурсионно-партиционный агоритм (РПА); нейронные сети; генетический агоритм; метод ближайших соседей.

Эффективность скоринг-систем в значительной мере зависит от реализуемых средств информационной поддержки, основанных на концепции объектно-ориентированных баз данных.

В условиях специфики инструментальных скоринг-систем целесообразным представляется использование распределенных реляционных клиент-серверных баз данных, обеспечивающих наиболее эффективный режим информационного обеспечения агоритмов принятия решений.

Эффективный скоринг-анализ предусматривает реализацию двух основных процедур: классификации объектов кредитования (определения показателя score) и оптимального распределения ограниченного ресурса, что дожно найти отражение в структуре моделирующего агоритма.

Третья глава посвящена агоритмизации скоринг-анализа кредитоспособности клиентов банка на основе нейронных сетей. Кроме того, приведены агоритмы оптимального распределения ограниченного кредитного ресурса между несколькими клиентами, агоритмы функционирования инструментальной скоринг-системы, а также осуществлен выбор среды разработки сервера баз данных и их структуры. Рассмотрены средства специального программного обеспечения инструментальной скоринг-системы управления кредитными рис-

ками, а также результаты практической апробации в реальных условиях коммерческого банка.

Анализ методов классификации клиентов свидетельствует о целесообразности использования аппарата нейронных сетей.

Нейронная сеть (НС) позволяет классифицировать клиентов по нескольким классам исходя из их параметров, которые подаются на входы НС, а на выходе можно получить вероятность попадания данного клиента в какой-либо класс. Это можно использовать для того чтобы определить вероятность попадания клиента в группу благонадежных с кредитной точки зрения клиентов, т.е. вероятность, полученная на выходе НС, и есть искомая величина score.

Чтобы определить класс, к которому относится объект, нужно выбрать среди всех нейронов сети данного слоя один с максимальным выходом - это осуществляет интерпретатор. Такая сеть нейронов, использующая евклидову меру близости для классификации объектов, называется сетью Кохонена.

Далее рассмотрена агоритмизация задачи оптимизации распределения кредита между несколькими клиентами в условиях ограниченного кредитного ресурса. Пусть имеется К объектов кредитования, участвующих в распределении денежных средств, общей суммой V. Для '-го объекта выделяется сумма кредита объёмом v,. За показатель вероятности возврата вложенных средств принимается коэффициент N, - score. Далее рассматриваются только фирмы, для которых

N,>N,p.

где - нижний предел показателя вероятности возврата кредита, определяемый априори.

Также необходимо задать коэффициент (С), определяющий процентную ставку кредита, а также два критерия, определяющих тип кредита и экономическую отрасль для данного юридического лица:

1) тип кредита - краткосрочный, среднесрочный, догосрочный;

2) отрасль экономики, непосредственно в которой ведёт свою деятельность фирма-заемщик - топливная промышленность, цветная металургия, черная металургия, пищевая промышленность, машиностроение и металообработка, промышленность строительных материалов, химическая и нефтехимическая промышленность, электроэнергетика, лесная, деревообрабатывающая и целюлозно-бумажная промышленность, легкая промышленность.

В результате требуется выбрать такое распределение финансовых средств, при котором обеспечивается минимальный риск и наибольшая прибыль от кредитования. Таким образом, целевая функция будет иметь вид

G = Jc(-v^max. (1)

Реализация данной задачи позволяет определить показатель ХД который стремится к оптимальному значению для данного вида кредита и отрасли, где X/ - коэффициент, определяющий долю выделенного кредита объекту кредитования.

Диапазон от до 1 делится на 9 равных частей, затем определяется отрезок (в,), в который входит показатель кредитоспособности заемщика Таким образом, мы получаем критерий распределения финансовых ресурсов по показателю Ы>, а также возможность оценки степени предпочтения, используя парное сравнение альтернатив для определения весов объектов по качественному признаку.

Поочередно рассматриваются все пары объектов в, и при этом может оказаться, что:

Х альтернативаБ, предпочтительнее альтернативы^ (з,ф

Х альтернативаз, равноценна aльтepнaтивesJ (5,-8^;

Х альтернативаБ, не сравнима по предпочтению с альтернативойв; (в^). Полученная в результате парных сравнений информация используется

для определения весовых коэффициентов обобщенного критерия X, Результат легко представить в виде матрицы парных сравнений, используя приведенную ниже шкалу (табл. 1). Для каждого типа кредита формируется своя матрица парных сравнений А, т.к. от сроков кредитования зависят предпочтения для Л^,. Матрица А имеет степенную калибровку, т.е. указывается во сколько раз одна альтернатива предпочтительнее другой.

Степенная калибровка (А) осуществляется следующим образом:

где означает, что альтернатива превосходит альтернативу в раз.

Таблица 1

Значение Определение Комментарий

1 Равноценность Обе альтернативы одинаково предпочтительны

3 Слабое превосходство Отдается некоторое предпочтение первой альтернативе в паре

5 Сильное превосходство Определенно первая альтернатива предпочтительнее второй

7 Явное превосходство Первая альтернатива явно предпочтительнее второй.

9 Абсолютное превосходство Превосходство первой альтернативы не вызывает никаких сомнений.

2,4,6,8 Значения, соответствующие промежуточным суждениям Для случаев, когда выбор между соседними значениями основной шкалы затруднителен.

Например, матрица парных сравнений, сформированная для краткосрочного кредита на основе статистических и экспериментальных данных, имеет следующий вид:

1 1/2 1/3 1/4 1/5 1/6 1/7 1/8 1/9

2 1 1/2 1/3 1/4 1/5 1/6 1/7 1/8

3 2 1 1/2 1/3 1/4 1/5 1/6 1/7

4 3 2 1 1/2 1/3 1/4 1/5 1/6

5 4 3 2 1 1/2 1/3 1/4 1/5

6 5 4 3 2 1 1/2 1/3 1/4

7 б 5 4 3 2 1 1/2 1/3

8 7 б 5 4 3 2 1 1/2

9 8 7 б 5 4 3 2 1

Здесь использованы следующие номера альтернатив критерия:

1. Топливная промышленность.

2. Металургия.

3. Пищевая промышленность.

4. Машиностроение и металообработка.

5. Промышленность строительных материалов.

6. Химическая и нефтехимическая промышленность.

7. Электроэнергетика.

8. Лесная, деревообрабатывающая и целюлозно-бумажная.

9. Легкая промышленность.

Агоритм решения задачи (1) реализует эвристическую процедуру поиска оптимального решения на множестве сравниваемых альтернатив. Это дает возможность определить обобщенные веса альтернатив по совокупности частных критериев по формуле

1 = 1,": (3)

где п - количество объектов кредитования; р,- относительный вес в-го критерия;

- относительный вес 1-й альтернативы по э-му критерию.

Полученные таким образом кроме того, нормируются относительно единицы.

Окончательно распределение имеющихся средств определяется по формуле ^ _

Данный агоритм позволяет в условиях ограниченных денежных ресурсов обеспечить эффективное их распределение между объектами кредитования с минимальным риском и максимально ожидаемым объемом возвратных средств.

На рис. 1 приведена структурная схема обобщенного агоритма функционирования инструментальной системы скоринг-анализа минимизации кредитных рисков.

Рис. 1. Агоритм функционирования инструментальной системы скоринг-анализа минимизации кредитных рисков

Далее рассмотрены средства специального программного обеспечения инструментальной скоринг-системы управления кредитными рисками, а также результаты практической апробации в реальных условиях коммерческого банка.

При разработке средств программного обеспечения системы скоринг-анализа особое внимание было уделено созданию интуитивно-понятного пользовательского интерфейса, который соответствует стандартам пользовательского интерфейса приложения Windows. Элементы программной системы прошли регистрацию в Государственном фонде агоритмов и программ.

В программе скоринг-анализа разграничения прав доступа реализуются средствами Microsoft SQL Server 2000, поэтому сразу после запуска программы появится окно с запросом ввести имя пользователя и пароль. После ввода корректного имени пользователя и пароля появляется главное окно программы (рис.2).

Рис. 2. Главное окно программы

Главное окно программы состоит из главного меню, панели инструментов, таблицы БД и строки состояния

По завершению работы программы пользователю предоставляется возможность проанализировать результаты скоринг-анализа (рис. 3) и при необходимости осуществить оптимальное распределение кредитных средств (рис. 4).

После нажатия кнопки Готово появляется окно с предложением распечатать результаты распределения. На этом распределение заканчивается, а его результаты заносятся в БД.

Для проверки эффективности и работоспособности инструментальной скоринг-системы в работе проведены машинные расчеты распределения финансовых средств между тремя предприятиями-заемщиками.

Рис. 3. Результаты скоринг-анализа

Рис. 4. Изменение оптимального распределения пользователем

При этом использовались данные, определяющие: долю собственных средств предприятия; долю заемных средств предприятия; тип организации (производственная, торговая, обслуживающая); сектор работы (продукты питания, сфера обслуживания, нефтяная промышленность, машиностроение, сельское хозяйство); количество лет на рынке; обороты по счету; кредитную историю; количество работающих сотрудников; владение недвижимостью, собственными средствами предприятия.

Общая сумма, выделенная для предоставления им кредита, составила 6 700 000 р., линия безубыточности была установлена на 0,89.

Результаты скоринг-анализа приведены в табл. 2.

Таблица 2

Результаты скоринг-анализа_

Заемщик Запрошен кредит, р. Бсоге Выданный кредит, р.

Заемщик 1 3 456 210 0,878 0

Заемщик 2 3 561 980 0,996 3 561 980

Заемщик 3 3 854 230 0,947 3 138 020

Таким образом, было решено отказать первому заемщику в выделении кредита, третьему выдать кредит лишь частично, и только второму выдать весь запрашиваемый кредит в поной мере.

Средства специального программного обеспечения инструментальной скоринг-системы зарегистрированы в ГосФАП.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В процессе выпонения диссертационного исследования было проведено обоснование динамики развития на территории региона региональных банков под единым стратегическим руководством как операторов экономической политики региона, дальнейшее совершенствование математических и инструментальных средств анализа и прогнозирования уровня кредитоспособности объектов кредитования, а также создание специальных инструментальных средств

управления кредитными рисками за счет оптимального распределения ограниченных финансовых ресурсов в рамках скоринг-систем.

В современных экономических условиях для предприятий всех форм собственности высокую актуальность приобретают вопросы минимизации рисков, связанных с размещением или привлечением кредитных ресурсов.

Кредитный риск в банковской деятельности возникает в процессе кредитования субъектов экономики. Значение кредитного риска в структуре банковских рисков зависит от масштаба кредитных операций, осуществляемых банком. Размещение большей части активов в кредитные вложения, получение банками значительной части прибыли за счет кредитных операций обусловливает актуальность выбора оптимального соотношения риска и выгоды кредитования.

Важным фактором принятия финансовых решений является то, что кредитные риски, принимаемые на себя банками в процессе кредитования клиентов, напрямую связаны с рисками, которым подвергаются их клиенты. Существуют тесные причинные связи между кредитными рисками банков и финансовыми рисками их клиентов. Для развития любого региона минимизация рисков, возникающих в процессе деятельности предприятий, является одной из приоритетных задач, решение которой обеспечивает уровень его инвестиционной привлекательности и, как следствие, динамику его развития.

Совокупность факторов, обеспечивающих инвестиционную активность в Центрально-Черноземном регионе - близость к деловому центру России, огромный промышленный потенциал, высококвалифицированные кадровые ресурсы, благоприятная политическая обстановка, высокая динамичность развития малого предпринимательства и так далее, обязательно допоняется еще одним показателем - возможностью предприятий выбирать оптимальные для своего развития программы кредитования. Сочетание минимума риска и оптимального объема привлеченных кредитных ресурсов является основной задачей финансового менеджмента предприятия любой формы собственности.

Динамичность развития региона невозможна без наличия на его территории региональных банков, застрахованных от высокорискованных финансовых вложений, в том числе и путем создания систем, позволяющих адекватно оценивать потенциал кредитуемых предприятий и проектов. Эффективность региональных программ по созданию благоприятных для предприятий условий доступа к кредитным ресурсам зависит от возможности предприятий и, прежде всего малых, пользоваться инструментами по оценке собственной кредитоем-кости и реальной потребности в кредитных ресурсах. Данные системы позволяют минимизировать кредитные риски предприятий и, как следствие, избегать угрозы банкротства региональным банкам.

Применение инструментальных средств позволяет предприятиям, претендующим на получение кредитных ресурсов, произвести адекватную оценку собственной кредитоемкости с целью выбора оптимальной программы кредитования.

Получены следующие основные результаты:

1. Осуществлен анализ проблематики управления кредитными рисками, а также методов моделирования и анализа кредитных рисков регионального коммерческого банка.

2. Проведено сопоставление применяемых в отечественной и зарубежной практике количественных показателей анализа финансовой деятельности объектов кредитования с точки зрения объективности оценки финансово-экономического состояния.

3. Модифицирована модель скоринг-анализа кредитного риска для условий неопределенности.

4. Адаптирована для регионального банка модель прогнозирования уровня кредитоспособности объектов кредитования на основе аппарата нейронных сетей.

5. Осуществлена агоритмизация задачи управления кредитными рисками как задачи оптимального распределения ограниченного кредитного ресурса.

6. Доработаны средства специального программного обеспечения инструментальной скоринг-системы управления кредитными рисками, а также проведена их апробация в реальных условиях регионального коммерческого банка.

Основные результаты диссертации опубликованы в следующих работах:

1. Абричкина Г.Б. Модели рейтинговой оценки предприятий как элемент системы управления рисками// Системы управления и информационные технологии: Межвуз. сб. науч. тр. - Воронеж: Центрально-Черноземное книжное изд-во, 2001. С. 73-78.

2. Абричкина Г.Б. Модель оптимального распределения кредитного ресурса коммерческого банка// Интелектуальные информационные системы: Тр. Всерос. конф. Воронеж, 2002. Ч.1. С. 83.

3. Абричкина Г.Б. Проблемы технологии и организации кредитной работы в коммерческом банке// Экономика, организация и управление инновационными и инвестиционными процессами на предприятиях и в регионе: Сб. тр. Междунар. науч.-практ. конф. Ч Новочеркасск, 2002. С. 16-17.

4. Абричкина Г.Б. Структура скоринг-модели анализа кредитных рисков// Современные проблемы информатизации в непромышленной сфере и экономике: Сб. тр. Воронеж: Центрально-Черноземное книжное изд-во, 2003. Вып. 8. С. 60-61.

5. Абричкина Г.Б., Горчакова Ю.В. Целевой маркетинг кредитных услуг банка// Стратегический маркетинг: Тез. докл. Всерос. науч.-практ. семинара. Воронеж: ВГТУ, 2001. С. 28-29.

6. Абричкина Г.Б., Деркачев А.Н. Применение скоринга при оценке кредитного риска// Новые технологии в научных исследованиях, проектировании, управлении, производстве: Сб. тр. регион, науч.-техн. конф. Воронеж: ВГТУ, 2003. С. 79-80.

7. Абричкина Г.Б., Деркачев А.Н. Реализация скоринг-процедуры в условиях ограниченных финансовых ресурсов// Новые технологии в научных ис-

следованиях, проектировании, управлении, производстве: Сб. тр. регион, науч.-техн. конф. Воронеж: ВГТУ, 2003. С. 69.

8. Абричкина Г.Б., Кравец О.Я., Деркачев А.Н. Программа "Инструментальная система скоринг-анализа и минимизации кредитных рисков"// ФАП ВНТИЦ. Per. N50200300586 от 10.07.2003.

9. Абричкина Г.Б., Хацкевич Л.Д. Проблемы управления кредитными рисками коммерческого банка// Системы управления и информационные технологии: Сб. тр. Воронеж: Центрально-Черноземное книжное изд-во, 2002. Вып. 9. С. 98-102.

Р №066815 от 25.08.99. Подписано в печать 5.05.04 Формат 60x84/16. Бумага для множительных аппаратов.

Уел .печ.л. 1,0. Тираж экз. Заказ №Л0. Воронежский государственный технический университет. 394026 Воронеж, Московский просп.,14.

;':.i 2 5 9?.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Абричкина, Галина Борисовна

Введение.,.

1. Теоретические и методические основы управления кредитными рисками регионального банка.

1.1. Региональный банк как оператор экономической политики региона.

1.2. Сущность и проблематика управления кредитными рисками.

1.3. Мониторинг кредитоспособности объектов кредитования в системе управления кредитными рисками.

2. Методические подходы к применению скоринг-системы с целью минимизации кредитного риска.

2.1. Методы анализа финансово-экономического состояния предприятий-заемщиков

2.2. Скоринг как метод оценки кредитного риска.

2.3. Построение структуры объектно-ориентированной базы данных на основе методов классификации заемщиков регионального банка.

3. Моделирование и агоритмизация скоринг-анализа кредитоспособности на основе нейронных сетей и инструментальной системы.

3.1. Нейронные сети как основа моделирования процесса скоринг-анализа

3.2. Оптимизация распределения кредита между несколькими клиентами в условиях ограниченного кредитного ресурса.

3.3. Инструментальная система скоринг-анализа: обобщенный агоритм функционирования, объектно-ориентированная база данных и графический интерфейс.

3.4. Апробация инструментальной скоринг-системы в региональном банке.

Диссертация: введение по экономике, на тему "Инструментальные методы управления кредитными рисками регионального банка"

Актуальность темы.

Динамичность развития региона невозможна без наличия на его территории региональных банков, застрахованных от высокорискованных финансовых вложений, в том числе за счет создания систем, позволяющих адекватно оценивать потенциал кредитуемых предприятий и проектов. Большинство программ по развитию региона финансируется в настоящее время из местного бюджета с привлечением средств региональных банков. Эффективность проводимых в регионе мероприятий напрямую зависит от своевременного планового финансирования с последующим жестким мониторингом проектов и контролем промежуточных результатов. Данная функция под силу устойчивым региональным банкам, напрямую заинтересованным в наличии в регионе динамично развивающихся предприятий как своей потенциальной базы для реализации дальнейшей стратегии своего развития.

Вместе с тем, наличие в регионе устойчивых банков, осуществляющих помимо инвестирования в региональные программы попонение оборотных средств предприятий, способствует повышению инвестиционной привлекательности региона в целом, укреплению финансового состояния предприятий и, как следствие, собираемости налоговых платежей. При управлении данными процессами главная задача - уменьшение рисков при взаимодействии предприятий и региональных банков.

Необходимость воспонения дефицита средств в хозяйственном обороте реального сектора экономики с помощью банковского кредита в условиях неустойчивого финансового состояния объектов кредитования представляется на современном этапе одной из ключевых проблем, успешное решение которой в значительной мере влияет на эффективность функционирования российской: экономики в целом. В этой связи высокую актуальность приобретают вопросы минимизации рисков, связанных с размещением или привлечением кредитных ресурсов.

Важным фактором принятия финансовых'решений является то, что кредитные риски, принимаемые на себя банками в процессе кредитования клиентов, напрямую связаны с рисками, которым подвергаются их клиенты. Существуют тесные причинные связи между кредитными рисками банков и финансовыми рисками их клиентов. Для развития любого региона минимизация рисков, возникающих в процессе деятельности предприятий, является одной из приоритетных задач, решение которой обеспечивает уровень его инвестиционной привлекательности и, как следствие, динамику его развития.

Совокупность факторов, обеспечивающих инвестиционную активность в регионе - близость к деловому центру России, огромный промышленный потенциал, высококвалифицированные кадровые ресурсы, благоприятная политическая обстановка, высокая динамичность развития малого предпринимательства и так далее, обязательно допоняется еще одним показателем - возможностью предприятий выбирать оптимальные для своего развития программы кредитования. Сочетание минимума риска и оптимального объема привлеченных кредитных ресурсов является основной задачей финансового менеджмента предприятия любой формы собственности.

Эффективность региональных программ по созданию благоприятных для предприятий условий доступа к кредитным ресурсам зависит от возможности предприятий, и, прежде всего малых, пользоваться инструментами по оценке собственной кредитоемкости и реальной потребности в кредитных ресурсах. Такие системы позволяют минимизировать кредитные риски предприятий и, как следствие, избегать угрозы банкротства региональным банком.

В мировой практике определились два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании друг с другом: субъективное заключение экспертов или кредитных инспекторов; автоматизированные системы скоринга.

Для оценки кредитного риска производится анализ кредитоспособности заемщика, под которой в российской банковской практике понимается способность юридического или физического лица поностью и в срок рассчитаться по своим договым обязательствам. В западной банковской практике кредитоспособность трактуется как желание, соединенное с возможностью своевременно погасить выданное обязательство. Основная задача скоринга заключается не только в том, чтобы выяснить, в состоянии клиент выплатить кредит или нет, но и степень надежности клиента. Иными словами, скоринг оценивает, на сколько клиент creditworthy, то есть насколько он достоин кредита.

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории прошлых клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок. В упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных количественных характеристик. В результате формируется интегральный показатель (score) и чем он выше, тем выше надежность клиента. Другими словами, банк на основе данного показателя может упорядочить своих клиентов по степени возрастания кредитоспособности.

Следует отметить, что в известных скоринг-системах средства управления кредитными рисками реализуются, в основном, математическими и инструментальными компонентами, обеспечивающими получение объективной оценки и прогнозирование, с той или иной степенью точности, уровня кредитоспособности конкретного заемщика. При этом практически отсутствуют средства оптимального распределения ограниченного финансового ресурса, с целью получения максимального эффекта - возврата максимального объема денежных средств с минимальным риском. Кроме того, не принято рассматривать ско-ринг-системы в качестве доступного инструмента предприятия для оценки собственной кредитоемкости с целью выбора оптимальной программы кредитования.

Таким образом, актуальность темы диссертационной работы обусловлена:

Х созданием условий для развития на территории региональных банков, застрахованных от высокорискованных финансовых вложений и выступающих в качестве операторов экономической политики в регионе;

Х необходимостью дальнейшего совершенствования математических и инструментальных средств анализа и прогнозирования уровня кредитоспособности объектов кредитования как методической основы управления кредитными рисками, а также создание специальных инструментальных систем управления кредитными рисками, направленных на оптимальное распределение финансовых ресурсов региональных банков с помощью скоринг-систем.

Работа выпонена в рамках одного из основных научных направлений Воронежского государственного университета "Система управления экономикой: формирование и развитие".

Цель работы и задачи исследования.

Целью работы является обоснование динамики развития на территории региона региональных банков под единым стратегическим руководством как операторов экономической политики региона, а также разработка математических и инструментальных систем управления кредитными рисками, реализующих методы прогнозирования потенциального уровня кредитоспособности объектов кредитования в рамках оптимального распределения ограниченных финансовых ресурсов, повышающих эффективность и качество функционирования скоринг-систем.

Для реализации поставленной цели в работе определены и решены следующие основные задачи:

Х определение роли и политики регионального коммерческого банка как оператора экономической политики в регионе;

Х осуществление анализа проблематики управления кредитными рисками, а также методов моделирования и анализа кредитных рисков предприятий различных форм собственности и регионального коммерческого банка;

Х сопоставление применяемых на практике количественных показателей анализа финансовой деятельности объектов кредитования с точки зрения объективности оценки финансово-экономического состояния;

Х разработка модели скоринг-анализа кредитного риска в условиях неопределенности;

Х разработка модели прогнозирования уровня кредитоспособности объектов кредитования на основе аппарата нейронных сетей;

Х агоритмизация задачи управления кредитными рисками, как задачи оптимального распределения ограниченного кредитного ресурса;

Х доработка средств специального программного обеспечения инструментальной скоринг-системы управления кредитными рисками, а также проведение их апробации в реальных условиях коммерческого банка.

Объект исследования.

Возможности территориального регионального банка как оператора экономической политики в регионе, а также кредитные риски и инструментальные методы управления ими, в частности, средства управления ими в рамках ско-ринг-систем.

Предмет исследования.

Региональный банк и его возможности в вопросах кредитования предприятий, а также математические и инструментальные методы прогнозирования уровня кредитоспособности объектов кредитования и оптимального распределения ограниченного финансового ресурса.

Научная новизна.

В работе получены следующие результаты, характеризующиеся научной новизной:

Х определена роль регионального коммерческого банка как оператора экономической политики в регионе;

Х введено понятие о региональном риске как о корректирующем показателе при определении кредитного риска;.