Кризисная коммуникация – что вы им скажете…

Менеджмент непрерывности бизнеса

Неожидаемые потери – достаточно ли традиционного подхода к их измерению?

Различие между функциями риск-менеджмента и внутреннего аудита

Структура торговых контрактов для снижения рисков спроса

Какие риски в условиях нынешнего кризиса наиболее значимы для Вашей организации?
Риск падения спроса.
Ценовые риски.
Риск ликвидности.
Кредитный риск.
Риск потери деловой репутации.
 Главная >  Последние новости > Оценка финансовых рисков



Кредитные модели и их место в вашем банке.


19.01.2006

 

По сути, все кредитные модели предназначены для решения одной и той же проблемы – разделения заемщиков на группы по кредитному качеству, другой вопрос, что данная процедура может реализовываться различными путями. Выбор базового принципа работы модели наиболее подходящего для решения стоящих перед банком задач, является далеко не чисто техническим вопросом, что иллюстрирует приведенный рисунок, на котором представлены основные типы моделей охватывающих весь спектр кредитной деятельности.

 



 

Очевидно, что смещение заемщиков ближе к потребительской части спектра делает целесообразным использование статистических моделей типа FICO, базирующихся на количественном анализе небольшого числа факторов риска оказывающих влияние на способность клиента исполнить свои обязательства. И наоборот, оценка более крупных заемщиков тяготеет в пользу традиционных способов оценки кредитного риска – экспертного (более субъективного по своей сути и требующего специализированных знаний в предметной области) или фундаментального характера (базирующегося на использовании модели анализирующей фундаментальные экономические показатели компании или отрасли).

 

Статистические методы доминируют в сфере потребительского кредитования и малого бизнеса, поскольку данные области рынка характеризуются большим числом потенциальных заемщиков с отсутствием или недостаточно длинной кредитной историей. Сравнительная однородность возможных кредитных характеристик, позволяет разработчикам на основе накопленного массива данных, с достаточно высокой достоверностью проводить тестирование и сегментацию заемщиков по показателю кредитного качества.

 

В последнее время наблюдается всплеск интереса банковского сообщества к потенциальной возможности скоринговой оценки кредитоспособности субъектов среднего бизнеса доля кредитов которым, как правило, занимает доминирующую роль в портфелях большинства банков. Вместе с тем, в силу того, статистическая обработка информации по вышеназванным группам клиентов несет в себе ряд специфических ограничений, принятие оптимальных решений будет лежать на границе "борьбы стилей", между скоринговыми оценками, статистическими моделями класса Moodys RiskCalc, экспертными внутренними оценками и фундаментальными моделями.

 

Описать имеющуюся проблему помогает следующий пример, иллюстрирующий работу скоринговой системы с точки зрения адекватности выставляемых оценок целевым группам заемщиков. Было бы неправильным, как происходит в большинстве случаев, судить о качестве работы скоринговой модели по результатам анализа всего банковского портфеля, являющегося усредненным по своей сути. При структурном рассмотрении обычно обнаруживается более высокое качество прогноза по отдельным группам заемщиков, компенсирующее «проскальзывание» скоринговых оценок в других частях банковского портфеля. Это неудивительно, обучение скоринговой модели даже на максимально полном статистическом массиве, может с высокой точностью давать на выходе характеристики наиболее типичных для изначальной выборки кредитов, однако вряд ли будет способно адекватно учесть региональную специфику клиентов или природу отдельных специализированных ссуд.

 

Характерная для большинства скоринговых моделей картина представлена в таблице, первыми двумя столбцами в которой являются модельные и исторически наблюдаемые величины по невозвратам, третьим - величина отклонения прогнозных значений от реально наблюдаемых данных.

 

 

Результаты тестирования, наглядно демонстрируют разброс качества модельных оценок вероятности дефолта в зависимости от отраслевой принадлежности заемщика, варьирующегося от хороших прогнозов по производственникам и крайне неудовлетворительным по строительным и финансовым компаниям. В приведенном примере целесообразно использование текущей модели для оценки первых пяти отраслевых сегментов, для работы с сегментами с посредственными оценками необходима дополнительная регулировка входных параметров модели, для оценки же кредитного качества последних двух групп заемщиков рекомендуется использование другой модели или другого типа оценки кредитного качества.

 

Что делать в случае, когда и статистическая модель и внутренняя рейтинговая система неудовлетворительно справляются с оценкой определенных типов активов входящих в кредитный портфель, например, таких как недвижимость? В случаях, когда объективность данной оценки критична для деятельности банка, рекомендуется отказаться от использования и статистических и экспертных оценок и направить силы на использование методов более фундаментального характера.


Данный шаг зачастую является наилучшим решением для специализированных банков, работающих в узком кредитном сегменте. Предлагаемые разработчиками модели, носят универсальный характер и, как правило, «не обучаются» под данные того же рынка коммерческой недвижимости, в силу специфичности данного вида активов и их малой значимости в стандартизированном банковском портфеле.

 

Возможно, выходом может являться построение собственной модели базирующуюся на анализе экономических данных фундаментального характера оказывающих влияние на ценообразование рынка недвижимости и работающую со специализированными финансовыми коэффициентами, такими как стоимость и назначение здания, тип собственности, район расположения и так далее.

 

В статье использованы материалы компании e-Risk

 

 

Ссылки по теме:

*       Могут ли быть российские заемщики честнее своих западных собратьев или опасности кредитного бума в развивающихся экономиках.

*       Между Сциллой и Харибдой кредитных рисков

*       Тенденции в контроле за рисками на рынках потребительского кредитования.

*       Кредитный скоринг: нужен ли он Вашему Банку?

*       Кредитный скоринг: нужен ли он Вашему Банку? (часть II)

*       Экспертные модели кредитного скоринга. Способ построения модели кредитования малого и среднего бизнеса в условиях дефицита статистических данных.

*       Экспертные модели кредитного скоринга. Управление и начальная подготовка

*       Системы скоринга физических лиц для развития различных программ потребительского кредитования

*       Наш сериал: Федеративная Безрисковая Республика. Серия 1. Банк

*       Системы оценки кредитоспособности юридических лиц

*       Прогулка в обход «кредитного кладбища»

*       Чужие ошибки потребительского кредитования, на которых могут поучиться российские банки.

*       Почему молчит Fair Isaac?

*       Скажи, кто твой заемщик, и я скажу кто ты.

*       Что такое скоринг и может ли он помочь в улучшении качества кредитов российских банков.

 

Наши услуги:

*       Системы скоринга физических лиц для развития различных программ потребительского кредитования

*       Системы оценки кредитоспособности юридических лиц

 

 






    Начало

e-mail : info@franklin-grant.ru
Задать вопрос OnLine

Site design by MIRRON.com (C) 2002 www.mirron.com  
Rambler's Top100 Рейтинг@Mail.ru
«Франклин&Грант» 2002-2016 All rights reserved (C) 2002-2016 Franklin Grant

Любое использование материалов Интернет ресурса www.franklin-grant.ru допускается только с разрешения
правообладателя - ООО «Франклин&Грант. Риск Консалтинг».


Замечания и пожелания присылайте по адресу
Все права защищены© 2002 – 2016 ООО «Франклин&Грант. Риск Консалтинг»

 

EduNow.su Образовательный портал