Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

III. Показатели оборачиваемости и рентабельности. Оборачиваемость разных элементов оборотных активов и кредиторской задолженности рассчитывается в днях исходя из объема дневных продаж (однодневной выручки от реализации).

Показатели рентабельности определяются в процентах или долях.

Рентабельность продукции (или рентабельность продаж) К5:

прибыль от реализации стр.050 формы №2

--------------------------------, или К5 = ------------------------------ (5)

выручка от реализации стр. 010 формы №2

Основными оценочными показателями являются коэффициенты К1, К2, К3, К4 и К5. Другие показатели оборачиваемости и рентабельности используются для общей характеристики и рассматриваются как дополнительные к первым пяти показателям.

Оценка результатов расчетов пяти коэффициентов заключается в присвоении Заемщику категории по каждому из этих показателей на основе сравнения полученных значений с установленными достаточными. Далее определяется сумма баллов по этим показателям в соответствии с их весами.

Таблица 4

Разбивка показателей на категории в зависимости от их фактических значений

Формула расчета суммы баллов S имеет вид:

S = 0,11 * Категория К1 + 0,05 * Категория К2 + 0,42 * Категория К3 +

+ 0,21 * Категория К4 + 0,21 * Категория К5.

Значение S наряду с другими факторами используется для определения рейтинга Заемщика.

Таблица 5

Таблица расчета суммы баллов

Для остальных показателей третьей группы (оборачиваемость и рентабельность) не устанавливаются оптимальные или критические значения ввиду большой зависимости этих значений от специфики предприятия, отраслевой принадлежности и других конкретных условий.

Оценка результатов расчетов этих показателей основана, главным образом, на сравнении их значений в динамике.

Качественный анализ основан на использовании информации, которая не может быть выражена в количественных показателях. Для проведения такого анализа используются сведения, представленные Заемщиком, подразделением безопасности и информация базы данных.

На этом этапе оцениваются риски, связанные с банками, в которых открыты счета; деловая репутация (аккуратность в выполнении обязательств, кредитная история, участие в крупных проектах, качество товаров и услуг и т.д.); качество управления (квалификация, устойчивость положения руководства, адаптивность к новым методам управления и технологиям, влиятельность в деловых и финансовых кругах).

Заключительным этапом оценки кредитоспособности является определение рейтинга Заемщика, или класса.

Устанавливается 3 класса заемщиков:

первого класса - кредитование которых не вызывает сомнений;

второго класса - кредитование требует взвешенного подхода;

третьего класса - кредитование связано с повышенным риском.

Рейтинг определяется на основе суммы баллов по пяти основным показателям, оценки остальных показателей третьей группы и качественного анализа рисков.

Сумма баллов S влияет на рейтинг Заемщика следующим образом:

S = 1 или 1,05 - Заемщик может быть отнесен к первому классу кредитоспособности;

S больше 1,05, но меньше 2,42 - соответствует второму классу;

S равно или больше 2,42 - соответствует третьему классу.

Далее определенный таким образом предварительный рейтинг корректируется с учетом других показателей третьей группы и качественной оценки Заемщика. При отрицательном влиянии этих факторов рейтинг может быть снижен на один класс.

В связи с тем, что методика оценки кредитоспособности заемщика в ОСБ №8614 СБ РФ основывается в основном на анализе относительных показателей финансово-хозяйственной деятельности, может быть предложена методика оценки кредитоспособности заемщика, которая основывается на классе кредитоспособности заемщика, для чего каждому показателю представленному ниже присваивается определенное количество баллов и в конце определяется класс кредитоспособности заемщика (приложение 2).

Значения класса кредитоспособности представлены в таблице 6.

Таблица 6

Значения класса кредитоспособности

Этапы реализации методики оценки кредитоспособности заемщиков - юридических лиц:

1. Изучение общей характеристики заемщика, (репутация, история бизнеса, характеристика деловой активности, связи с потребителями продукции и поставщиками продукции, состав учредителей и их стабильность, возвращение предыдущих кредитов, местонахождение заемщика, и так далее).

2. Анализ финансового положения заемщика (способность заемщика получать средства по всем видам деятельности и рассчитываться по своим обязательствам, в том числе по долгосрочным обязательствам).

3. Анализ эффективности кредитной операции или инвестиционного проекта (окупаемость проекта, денежный поток по конкретному проекту, желание заемщика использовать в проекте, который кредитуется, собственный капитал, характер рынка, условия реализации товаров, перспективность развития отрасли.

2.2. Методики оценки кредитоспособности физических лиц

В настоящее время в российской экономике наблюдается стабилизация, постепенное увеличение жизненного уровня населения. Это способствует более оптимистичному взгляду на будущее. Складывающаяся ситуация явилась одной из основных причин развития рынка кредитования частных лиц: выдачи потребительских кредитов, автокредитования, ипотечного кредитования, образовательного кредитования, кредитования при помощи пластиковых карт. При этом нужно принимать во внимание, что кредитование всегда связано с риском.

В мировой практике существует ряд направлений кредитования физических лиц. Несомненно, самым перспективным является рынок ипотечного кредитования. В большинстве банков уже есть свои собственные наработки в данной области, выраженные в виде программ ипотечного кредитования. Но доходность здесь небольшая, поскольку кредитование не имеет массовый характер. Деятельность в данной области связана с большим количеством рисков, касающихся в основном длительности периода кредитования. Поэтому стоимость кредитной услуги очень велика. Для привлечения клиентов необходимо, в первую очередь, снижение процентной ставки за счет исключения из нее риска неплатежа. Для этого банки должны отсечь «плохих» заемщиков и предупредить случаи невозврата и, соответственно, дополнительные расходы с этим связанные.

Автокредитование по доходности стоит на первых позициях данного рынка. В настоящее время в России 15 – 20% всех автомобилей реализуется с помощью кредитов, а в некоторых автосалонах в кредит приобретается до 70% автомобилей. Как правило, автомобиль же и используют в качестве залога. Но даже в такой ситуации недобросовестный заемщик, ввиду отсутствия регистрации залога – движимого имущества, вполне может повторно заложить или продать автомобиль.

Кредитование товаров длительного пользования берет своей массовостью. Большинство кредитов данной области не превышают 10000 рублей. В случае же мошенничества или дефолта заемщика банк должен нести затраты соизмеримые с суммой кредита. Данная проблема возникла в начале 2005 г. в отечественных коммерческих банках, где доля проблемных займов достигла 25% в портфелях потребительского кредитования. Практика перекладывания рисков на заемщиков в данном случае может помочь только на первых порах. В условиях конкуренции выиграет тот, кто минимизирует риски, опять же достоверно определив, какой клиент 'хороший', а какой 'плохой' и предложит заемщикам более выгодные условия.

Таким образом, базовым вопросом кредитования физических лиц является достоверная классификация потенциальных заемщиков на 'хороших' и 'плохих'. Рассмотрим используемую в мире практику такой оценки, а также проблемы на пути ее применения в нашей стране.

Наибольшее распространение в мире получила скоринговая система классификации на основе бальных оценок. В основе скоринга лежит принцип формализации знаний экспертов определенным способом. Консервативность банкиров донесла данный принцип оценки до наших дней. Сейчас существуют куда более прогрессивные способы добычи и формализации знаний (Data Mining). Даже если самого эксперта нет, то, основываясь не на опыте, а на статистических данных, им станет, например, дерево решений, что будет наглядно показано далее.

На данный момент банки находятся в невыгодном положении (приложение 3). С одной стороны, необходимо осваивать рынок потребительского кредитования, а с другой стороны с этим процессом связаны слишком высокие риски, которые зачастую перекладываются на заемщиков, что явно не способствует стимулированию спроса на кредиты. Также не известно, когда освещенные здесь проблемы будут должным образом урегулированы с правовой точки зрения.

В такой ситуации банк, решившийся на освоение данного рынка должен иметь несколько вещей:

- консолидированную информацию о клиентах, представленную в унифицированном виде. Информация должна периодически пополняться данными из всех филиалов банка. Такое хранилище будет исполнять функцию кредитного бюро;

- достоверный способ классификации (достоверность должна быть более 90%) потенциальных заемщиков и отсечение 'неблагонадежных'. Этот способ позволит снизить риски невозврата к минимуму, что позволит выдавать более дешевые кредиты и, соответственно, привлечет больше заемщиков. При этом значительно увеличится прибыль от кредитования физических лиц.

Модель классификации заемщиков должна иметь свойства тиражируемости и адаптации к состоянию рынка, к каждому филиалу банка. Т.е. построенная, основываясь на общих закономерностях, модель должна корректироваться под частные, присущие каждому филиалу особенности. Это позволит учесть местные особенности, что еще больше позволит снизить риск.

На данный момент банки в той или иной степени имеют наработки по каждому из этих пунктов, но методики, заложенные в их основе либо слишком инертны, чтобы адекватно реагировать на динамику рынка, либо слишком дороги (предлагаемые зарубежные решения сопоставимы с доходами от потребительского кредитования в сегодняшнем виде). Именно поэтому так дороги кредиты и не так велик спрос на них. Увеличение же достоверности и снижение стоимости позволит отказаться от практики переноса рисков и затрат на заемщиков. Тогда в выигрыше окажутся все – и банки, сохраняя удельную прибыльность на прежнем уровне, и заемщики, привлеченные более выгодными условиями. Все это становится более актуальным в виду будущего бурного роста рынка потребительского кредитования и будущей конкуренции.

Для достижения этих целей банки привлекают высокооплачиваемых экспертов. Но их мало и им порой физически не хватает времени успевать везде. Поэтому также актуальным является вопрос формализации знаний экспертов и их тиражирование.

Задачи подобного рода легко решаются на базе платформы Deductor. Механизмы Deductor позволяют как создать консолидированное хранилище информации о заемщиках, обеспечивая к тому же и непротиворечивость хранимой информации, так и формализовать знания экспертов, создав модели классификации заемщиков с достоверностью более 90%. Причем модель позволит принять решение о выдаче кредита или отказе практически мгновенно. Так можно поставить потребительское кредитование на поток. Это тем более актуально ввиду предстоящего онлайн кредитования и массового использования кредитных карт.

Большинство банков уже имеют достаточно статистики по кредитованию физических лиц. Для построения достоверной модели достаточно информации за 3 – 4 года. Тем более, модели имеют возможность периодически перестраиваться, учитывая динамику рынка (новые данные).

Подытоживая все сказанное выше, можно с уверенностью говорить о готовности Банка Марий Эл к использованию передовых методик оценки кредитоспособности физических лиц. Осталось лишь консолидировать накопленные данные и формализовать опыт экспертов в рамках единой архитектуры. Это с успехом позволяет сделать аналитическая платформа Deductor. В виду этого, интересно будет рассмотреть основные принципы формирования такой системы на одном из примеров оценки кредитоспособности физических лиц. В нем будут видны преимущества заложенных в платформе методик относительно используемых в настоящий момент (скоринг, экспертные оценки и т.п.).

Прежде чем приступить к описанию решения необходимо осветить некоторые аспекты методики анализа с использованием механизмов Data Mining. Итак, задача заключается в построении модели оценки (классификации) потенциальных заемщиков. Решение задачи также должно обладать большой достоверностью классификации, возможностью адаптации к любым условиям, простотой использования модели.

Пользуясь приведенной выше методикой, была предложена гипотеза о том, какие факторы влияют на кредитоспособность человека. По мнению экспертов, по этим факторам можно учесть суммарный риск. Тем самым должно достигаться и отнесение потенциального заемщика к способным вернуть кредит или не способным.

Предложенные факторы представлены в таблице 7.

Характеристики

Список файлов курсовой работы