Версия для печати
Оригинал статьи http://www.franklin-grant.ru/ru/news2/data/news_03/2005_11/20051128_181045_fo.asp

Между Сциллой и Харибдой кредитных рисков

 

29.11.2005

 

В последние 2-3 года потребительское кредитование стремительно ворвалось в нашу жизнь. Многие банки взялись быть «проводниками» населения в радостное и безоблачное завтра общества потребления. При этом, лишь единицы озаботились, как подобает «проводнику» «картой территории», «компасом» и другими инструментами для ориентирования в незнакомой местности, к которой, безусловно, необходимо отнести и кредитование в России. Данная статья посвящена основному из таких инструментов ориентирования – моделям скоринга, а точнее внутренней противоречивости любой (подчеркиваем это) модели скоринга, как бы и кем бы она ни была построена. В статье мы хотим остановиться на одном очень широко распространенном в России утверждении, что все риски кредитования можно «зашить» в ставку по кредиту. В этом случае, де, никакой скоринг банку не нужен. Мы попытаемся доказать читателям, что это утверждение принципиально не верно, что означает только одно – скоринг надо строить по законам науки, а не «голосовать поднятыми руками» за правила принятия решений по кредитам.

 

Итак, наше главное утверждение звучит так: скоринговая оценка обладает внутренней противоречивостью. Суть противоречивости любой (еще раз подчеркиваем это) скоринговой оценки сводится к следующему; оценка должна быть достаточно точной для регулировки  процента невозвратов заемных средств, с одной стороны, и она должна быть достаточно грубой, чтобы процент отказов в кредите был достаточно небольшим. Если Ваша система скоринга будет отказывать более чем 5% потенциальных клиентов какой либо торговой сети, такой как М-Видео, Техносила, территория низких цен – Эльдорадо, Вы с такой системой скоринга просто не войдете в такую сеть.

 

Итак, поясним сказанное:

Пусть r - доходность кредитования (ставка по кредиту),

I - инфляция, V(r)- объем привлеченных средств, а α(r) - процент невозвратов.

Тогда условие доходности кредитной деятельности любого банка запишется в виде:

Первый член в выражении описывает доход банка от «хороших» кредитов, второй потери от «плохих», а третий описывает обесценивание финансовых средств от инфляции. Очевидно, что чем больше процентная  ставка, тем больше процент невозвратов, то есть зависимость α(r) является возрастающей и при больших r достигнет 100%. Разрешив это неравенство относительно α(r), получим:

Как только, в силу каких-то причин, данное неравенство перестает выполняться, банк вынужден в срочном порядке внедрять средства для измерения и управления кредитным риском (скоринг). Проанализируем зависимость от процентной ставки выражения f(r). При процентной ставке, равной инфляции, значение f(r) будет равно 0, и с ростом r будет возрастать, стремясь к 1 при r стремящемся к ¥. Это означает, что скорость роста зависимости f(r) должна превышать скорость роста зависимости α(r). Только в этом случае будет выполняться приведенное выше неравенство; чем правее (при больших процентных ставках) будут пересекаться кривые f(r) и α(r), тем доходнее будет кредитная деятельность банка. Обсуждаемое выражение позволяет оценить «критические» значения невозвратов для российских банков.

 

При инфляции 11.4% (как было предварительно объявлено Госкомстатом по данным 2004 года) и процентной ставке по рублевым кредитам в 18%, выражение f(r) дает «критическое» значение невозвратов на уровне 35%. Но если учесть, что в этом году Госкомстат досчитал инфляцию за 2004 год до уровня 18.4%, то, в свете этого, «критическое» значение невозвратов становится равным 0. Все сказанное выше иллюстрируется левой частью рис.1:

 

Рисунок  1.

 

Левая часть рисунка 1 позволяет говорить, что существует «критическое» значение процентной ставки, ниже которого она не может опускаться. Обозначим его .

 

В правой части рисунка представлены зависимости количества отказов в выдаче кредита от процентной ставки по кредиту. Количество отказов обозначим     .

Эта величина должна быть меньше некой, наперед заданной величины β, скажем, 5%, как это практикуется в наших торговых сетях. Очевидно, что чем меньше величина отказов, тем больше товаров продадут торговые сети, продающие товары в кредит (правда, стоит заметить, что они продают не только товар покупателям, но и свой риск банкам). При росте процентной ставки, очевидно, величина  будет стремиться к 1. В силу сказанного, чем левее кривая  пересечет прямую β, тем выгоднее условия кредитования, предлагаемые таким банком, и тем большее количество клиентов он соберет. Правая часть рисунка 1 дает еще одно «критическое» значение для величины процентной ставки - . Соединив вместе оба «критических» значения получим:

 

Последнее неравенство иллюстрирует проблему противоречивости скоринговых систем: хороший скоринг должен обеспечивать стопроцентный возврат кредитов, но при реализации данного свойства он будет давать слишком большой процент отказов, или, говоря другими словами, оба «критических» значения  должны, одновременно стремиться:

 

Просто ли это сделать, проскочить между Сциллой и Харибдой кредитного риска, судите сами. Одно мы знаем наверняка – при помощи «поднятых рук» данную проблему решить невозможно. А вот обойти извечную проблему российского скоринга, связанную с отсутствием достаточно представительной статистике (с точки  зрения достаточного количества для проявления в коэффициентах моделей «плохих» кредитов) можно. И служит этому система макроэкономического скоринга, основанная не только и не столько на индивидуальных данных заемщиков, сколько на макроэкономической статистике.

 

Наши услуги:

 

Ссылки по теме: