3256 (684904), страница 7

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

Текст из файла (страница 7)

Одним из вариантов решения выше поставленной задачи является применение алгоритмов, решающих задачи классификации. Задача классификации – это задача отнесения какого-либо объекта (потенциальный заемщик) к одному из заранее известных классов (Давать/Не давать кредит). Такого рода задачи с большим успехом решаются одним из методов Data Mining – при помощи деревьев решений. Деревья решений – один из методов автоматического анализа данных. Получаемая модель – это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Пример дерева приведен на рисунке 22

Рисунок 22 - Пример дерева решений

Сущность этого метода заключается в следующем:

1. На основе данных за прошлые периоды строится дерево. При этом класс каждой из ситуаций, на основе которых строится дерево, заранее известен. В нашем случае должно быть известно, была ли возвращена основная сумма долга и проценты, и не было ли просрочек в платежах. При построении дерева все известные ситуации обучающей выборки сначала попадают в верхний узел, а потом распределяются по узлам, которые в свою очередь также могут быть разбиты на дочерние узлы. Критерий разбиения – это различные значения какого-либо входного фактора. Для определения поля, по которому будет происходить разбиение, используется показатель, называемый энтропия – мера неопределенности. Выбирается то поле, при разбиении по которому устраняется больше неопределенности. Неопределенность тем выше, чем больше примесей (объектов, относящихся к различным классам) находятся в одном узле. Энтропия равна нулю, если в узле будут находиться объекты, относящиеся к одному классу.

2. Полученную модель используют при определении класса (Давать/Не давать кредит) вновь возникших ситуаций (поступила заявка на получение кредита).

3. При существенном изменении текущей ситуации на рынке, дерево можно перестроить, т.е. адаптировать к существующей обстановке.

Практический пример:

Для демонстрации подобной технологии в качестве исходных данных была взята выборка, состоящая из 1000 записей, где каждая запись – это описание характеристик заемщика и параметр, описывающий его поведение во время погашения ссуды. При обучении дерева использовались следующие факторы, определяющие заемщика: "N Паспорта"; "ФИО"; "Адрес"; "Размер ссуды"; "Срок ссуды"; "Цель ссуды"; "Среднемесячный доход"; "Среднемесячный расход"; "Основное направление расходов"; "Наличие недвижимости"; "Наличие автотранспорта"; "Наличие банковского счета"; "Наличие страховки"; "Название организации"; "Отраслевая принадлежность предприятия"; "Срок работы на данном предприятии"; "Направление деятельности заемщика"; "Срок работы на данном направлении"; "Пол"; "Семейное положение"; "Количество лет"; "Количество иждивенцев"; "Срок проживания в данной местности"; "Обеспеченность займа"; "Давать кредит". При этом поля: "N Паспорта", "ФИО", "Адрес", "Название организации" определены алгоритмом уже до начала построения дерева решений как непригодные по причине практической уникальности каждого из значений.

Целевым полем является поле "Давать кредит", принимающий значения "Да" и "Нет". Эти значения можно интерпретировать следующим образом: "Нет" – плотильщик либо сильно просрочил с платежами, либо не вернул часть денег, "Да" – противоположность "Нет"

Анализируя полученное дерево решений, можно сказать следующее:

1. При помощи дерева решений можно проводить анализ значащих факторов. Такое возможно благодаря тому, что при определении параметра на каждом уровне иерархии, по которому происходит разделение на дочерние узлы, используется критерий наибольшего устранения неопределенности. Таким образом, более значимые факторы, по которым проводится классификация, находятся на более близком расстоянии (глубине) от корня дерева, чем менее значимые. Например, фактор "Обеспеченность займа" более значим, чем фактор "Срок проживания в данной местности". А фактор "Основное направление расходов" значим только в сочетании с другими факторами. Еще одним интересным примером значимости различных факторов служит отсутствие в построенном дереве параметра "Наличие автотранспорта", что говорит о том, что на сегодняшний день это наличие не является определяющим при оценке кредитоспособности физического лица.

2. Можно заметить, что такие показатели как "Размер ссуды", "Срок ссуды", "Среднемесячный доход" и "Среднемесячный расход" вообще отсутствуют в полученном дереве. Данный факт можно объяснить тем, что в исходных данных присутствует такой показатель как "Обеспеченность займа", и т.к. этот фактор является точным обобщением 4 вышеописанных показателей, алгоритм построения дерева решений выбрал именно его.

Очень важной особенностью построенной модели является то, что правила, по которым определяется принадлежность заемщика к той или иной группе, записаны на естественном языке. Например, на основе построенной модели получаются следующие правила:

1. Если обеспеченность займа = Да и срок проживания в данной местности более 5.5 лет, и возраст > 19.5 лет и наличие недвижимости = Да и наличие банковского счета = Да то Давать кредит = Да (Достоверно на 98%).

2. Если обеспеченность займа = Да и срок проживания в данной местности более 5.5 лет, и наличие недвижимости = Да и количество лет > 21.5 и срок работы на данном направлении, лет <= 5.5 и пол = Муж и наличие банковского счета = Нет и основное направление расходов = одежда, продукты питания и т.п. то давать кредит = Нет (Достоверно на 88%)

Правильно построенное на данных прошлых периодов дерево решения обладает одной еще очень важной особенностью. Эта особенность называется "способность к обобщению", т. е. если возникает новая ситуация (обратился потенциальный заемщик), то скорее всего такие ситуации уже были и достаточно много. Вследствие чего можно с большой долей уверенности сказать, что вновь обратившийся заемщик поведет себя так же, как и те заемщики, характеристики которых очень похожи на характеристики вновь обратившегося.

Пример получения результата: Обеспеченность займа: да, наличие недвижимости: да, пол: муж, наличие банковского счета: нет, основные направления расходов: покупка товаров длительного пользования.

Ответ: кредит давать: да (достоверно на 96%)

Используя такой подход, можно устранить сразу оба вышеописанных недостатка скоринговой системы оценки кредитоспособности.

То есть:

1. Стоимость адаптации сводится практически к минимуму за счет того, что алгоритмы построения модели классификации (дерево решений) – это самоадаптируемые модели (вмешательство минимально).

2. Качество результата достаточно велико за счет того, что алгоритм выбирает наиболее значимые факторы для определения конечного ответа. Плюс ко всему полученный результат является статистически обоснованным.

Деревья решений направлены на достижение поставленной задачи: уменьшения риска при операциях кредитования физических лиц. Хотя и при таком первом приближении наблюдаются положительные результаты. Дальнейшие усовершенствования могут затрагивать такие моменты, как: более точный подбор определяющих заемщика факторов; изменение самой постановки задачи, так, например, вместо двух значений целевого параметра, можно использовать более детальную информацию (Вернул/Не вернул /Не вовремя) или использовать в качестве целевого значения вероятность того, что деньги выплачены вовремя; использование предобработки исходных данных позволяет значительно улучшить качество результата и является важным этапом при комплексном подходе к решению любой задачи анализа данных.

На основании вышеуказанного можно сказать что деревья решений решают на данный момент некоторые проблемы скоринга, но в настоящее время, на мой взгляд «экспресс-кредиты», срок рассмотрения заявок по которым не превышает одного часа, а часто и 30 минут, действительно теряют свою актуальность. Они являются рискованными для банков в силу того, что произвести качественную проверку заемщика за 30 минут невозможно, чем зачастую пользуются мошенники, следовательно, просроченная задолженность по таким кредитам очень велика. А так же в 2007 году банки стали проявлять меньше интереса к таким продуктам, как экспресс-кредитование и товарное кредитование, и стали переключаться на нецелевое потребительское кредитование и кредитование по пластиковым картам. К такому решению многие финансово-кредитные структуры подталкивают изменения в законодательстве (в частности, вступление в силу июльской инструкции ЦБ, предусматривающей обязательное раскрытие эффективной ставки), а также рост кредитных рисков в сфере «экспресс-кредитования».

Исходя из вышеперечисленных проблем ЗАО «Банк Русский Стандарт» можно предложить меры которые помогут снизить риск именно в анализе кредитоспособности физических лиц.

3.3 Меры по решению проблем не возврата кредитов при применении скоринговой системы в ЗАО «Банк Русский Стандарт»

Потребительское кредитование на так называемых «точках» действительно становится все менее привлекательным не только с точки зрения рисков, но и с точки зрения отдачи на капитал. Никаких сверхприбылей при предоставлении «товарных» займов ЗАО «Банк Русский Стандарт» больше не получает и более того, его прибыли в этом бизнесе «стремятся к нулю» и составляют незначительную величину [29, c. 17].

Следовательно, первой мерой по уменьшению не возврата кредита является прекращение выдачи кредита в торговых точках, а осуществлять выдачу непосредственно в банке.

Подавляющее большинство «положительных» заемщиков, нуждающихся в денежных средствах на сумму больше 50–70 тыс. рублей, предпочитает теперь подождать два-три дня, необходимые для принятия решения по классическим программам нецелевого кредитования, и получить заем по значительно более низким процентным ставкам и без комиссии за пользование кредитом.

Значит второй мерой по уменьшению не возврата кредитов в ЗАО «Банк Русский Стандарт»- это расширение программ нецелевых займов под поручительство юридических лиц, т.к. по ним наиболее меньший кредитный риск, чем по экспресс-кредитам. А это — большой плюс в ситуации, когда объемы не возвратов продолжают расти, а проблемы с привлечением средств становятся все более острыми (во всяком случае, для банков, занимающих не самые высокие позиции во всевозможных рейтингах). Кстати, нецелевые кредиты хороши и потому, что найти под них источники рефинансирования не является неразрешимой задачей, подобное кредитование даже на крупные суммы предполагает сроки обслуживания кредитов максимум в пять-семь лет. Найти источники фондирования для таких займов намного проще, чем для ипотечных кредитов, выдаваемых на сроки до 15–25 и даже 30 лет.

Например, сумма выданных экспресс-кредитов за 2008 год составила 2 833 000 руб. процентная ставка по ним составляла 23 % годовых, что в сумме составило 431 916 руб. Сумма не возвратов по экспресс-кредитам физическими лицами за 2008 г. равна 292 650 руб., соответственно на эту сумму по процентам банк недополучил прибыли. Если же вместо экспресс-кредитов банк будет выдавать не целевые кредиты под 18% годовых на сумму 2 833 000 руб., то сумма дохода за год по процентам составит 518 299 руб. А в случаи не возврата такого кредита банк сможет реализовать обеспечение по этому кредиту, т.к. залог является одним из обязательных условий этого кредита.

Вышеуказанные расчеты дохода от не целевых кредитов можно включить в текущие доходы и так же разместить их на выдачу кредитов юридическим и физическим лицам, что показано в таблице 10.

Таблица 7 - Финансовые показатели ЗАО «Банк Русский Стандарт»

Как видно из таблицы текущие доходы банка в пассиве увеличились исходя из того, что банк получил доход от внедрения не целевых кредитов и смог разместить эти денежные средства на выдачу кредитов физическим и юридическим лицам.

Отсюда можно посчитать коэффициент размещения платных средств К4 и тем самым узнать рационально ли банк распорядился своим доходом. Коэффициент рассчитывается по формуле [21, с. 403]:

К4 = Платные привлеченные средства/Доходные активы

Платные привлеченные средства = 1 534 350+1 495 493+3 901 042+445 480 = 7 376 365 тыс. руб. составляют исходя из данных таблицы

Доходныеактивы = 720 150+16251 376+2 775 738+850 480+136 313+210 501 = 20 944 558 тыс. руб. составляют исходя из данных таблицы

На основании этих показателей можно рассчитать коэффициент размещения платных средств:

К4 = 7 376 365\20 944 365 = 0,35

По заключению этих расчетов можно сделать вывод, что платные привлеченные средства, направляемые на доходные операции в ЗАО «Банк Русский Стандарт» размещены правильно. Если же коэффициент более 1-1,2 это свидетельствует о том, что часть платных ресурсов используется не по назначению, они отвлекаются либо на собственные нужды, либо в не доходные операции, что приводит к образованию убытков в банке.

Значит, выдача не целевых кредитов даст возможность банку получить дополнительный доход и разместить его на выгодные доходные (платные) операции.

Третьей мерой по уменьшению не возврата кредитов для ЗАО «Банк Русский Стандарт» будет страхование потребительских кредитов что предоставляет страховую защиту от кредитных рисков, возникающих при потребительском кредитовании. Со стороны страховщика банк имеет наиболее полное покрытие своих убытков – возмещается долг по кредиту, проценты на него и расходы по уменьшению убытков. Выплата производится по заявлению банка, по окончании периода ожидания, с предоставлением минимума документов – набора стандартных банковских форм. Таким образом, банк избавлен от взыскания задолженности со своих должников – этим занимается страховщик, а банк получает от него компенсацию убытков в фиксированные сроки.

Еще одним решением проблем роста просроченной задолженности является доступ к сведениям о кредитных историях заемщиков, а так же обеспечение правовой защищенности кредитных организаций и нормативно-правовое регулирование БКИ, наличие проблемы "карманных" бюро, потенциальный риск потери конфиденциальности для заемщиков [4, c. 15]. В появлении БКИ заинтересованы все стороны, задействованные в процессе кредитования:

1) заемщики, имеющие положительную кредитную историю. Данной категории заемщиков не придется платить повышенные проценты за пользование кредитом, устанавливаемые банком из-за невозможности реальной оценки кредитных рисков. За счет значительной экономии времени, которое затрачивается на сбор и оформление справок и документов, запрашиваемых банком при выдаче кредита, для них существенно упростится процедура выдачи кредита;

2) кредитной организации, который уже не будет довольствоваться равными процентными ставками для всех заемщиков. Банк сможет более эффективно распределить имеющиеся ресурсы, устанавливая дифференцированные ставки по кредитам для заемщиков, имеющих положительную и негативную кредитные истории.

Недостаточность сведений о партнере, доступных при заключении сделки, ведет к неэффективности распределения кредитных ресурсов. Так, кредитор обычно не в состоянии точно оценить будущие доходы и риски, связанные с инвестиционными проектами, для осуществления которых заемщик берет ссуду. Поэтому банк устанавливает одинаковые процентные ставки по кредитам для всех, что порождает проблему отрицательного отбора.

При ухудшении положения в нефинансовом секторе оценка рисков и отбор заемщиков усложняются, процентные ставки повышаются, что заставляет лучших заемщиков уйти с рынка. При этом ненадежные заемщики соглашаются на невыгодные условия, поскольку знают, что все равно вряд ли вернут ссуду. Следствием этого становятся либо рискованная кредитная политика и угроза финансовой состоятельности самих кредиторов, либо их стремление максимально ограничить выдачу ссуд, несмотря на наличие на рынке надежных заемщиков. Сотрудничество с кредитными бюро позволит банку значительно упростить процедуру выдачи кредита, отсеивая на начальном этапе клиентов, имеющих негативную кредитную историю.

На основании вышеизложенного в третьей главе можно еще раз подчеркнуть что основным недостатком скоринговой системы оценки кредитоспособности физических лиц является то, что она очень плохо адаптируема. А используемая для оценки кредитоспособности система должна отвечать настоящему положению дел. Например, в США считается плюсом, если человек поменял много мест работы, что говорило о том, что он востребован. В СССР наоборот – данное обстоятельство говорило о том, что человек либо не может ужиться с коллективом, либо это малоценный специалист, а соответственно, повышается вероятность просрочки в платежах.

Для адаптации скоринговой модели оценки кредитоспособности физических лиц специалисту необходимо проделывать путь, подобный тому, что проделал Дюран. Т.е. специалисты, которые будут заниматься такой адаптацией, должны быть высоко квалифицированными, а значит, и очень высокооплачиваемые. Приведенная в этой главе методика «Деревья решений» – это еще не совершенный вариант того, как можно использовать методы интеллектуального анализа данных, в частности, деревья решений, для достижения поставленной задачи: уменьшения риска при операциях кредитования физических лиц. Хотя и при таком первом приближении наблюдаются положительные результаты. Дальнейшие усовершенствования могут затрагивать такие моменты как: более точный подбор определяющих заемщика факторов; изменение самой постановки задачи, так, например, вместо двух значений целевого параметра можно использовать более детальную информацию (Вернул/Не вернул/ Не вовремя), или использовать в качестве целевого значения вероятность того, что деньги выплачены вовремя; в данной статье ни слова не говорится об очистке данных, хотя, как показывает практика, использование предобработки исходных данных позволяет значительно улучшить качество результата и является важным этапом при комплексном подходе к решению любой задачи анализа данных. С экономической точки зрения ЗАО «Банк Русский Стандарт» выгоднее заниматься не целевыми кредитами, чем получать не возврат по экспресс-кредитам, поскольку при использовании скоринга банк не может достаточно достоверно проверять данные по клиенту.

ЗАКЛЮЧЕНИЕ

Рассмотренные в работе вопросы позволяют сделать следующие выводы.

Необходимость эффективного управления ссудной задолженностью для коммерческого банка в современных условиях определяется:

- возрастающей конкуренцией на местных и мировых рынках;

- возникновением новых сложных продуктов;

- экономической нестабильностью народного хозяйства;

- необходимостью координировать деятельность банка по всем направлениям;

- высоким уровнем требований к банкам пользователям банковских услуг;

- необходимостью координировать подход к предоставлению банковских услуг в общих рамках управления рисками.

Нестабильность экономической системы нашей страны, проявившаяся в кризисе 2008 года и банкротстве большого количества российских банков, не сумевших должным образом диверсифицировать свои операции, обусловила необходимость разработки новых подходов к эффективному управлению структурой активов и пассивов банков с целью снижения риска финансовой несостоятельности и повышения уровня чистой прибыли.

Активные операции ЗАО «Банк Русский Стандарт» составляют существенную и определяющую часть его операций. Безусловно, банкиры на первое место ставят увеличение доходности активов. Структура активов коммерческого банка в связи с мировым финансовым кризисом претерпела значительные изменения. Изменению в составе активов банка подверглась такая статья, как депозиты в Центральном банке Российской федерации. Данная ситуация произошла в связи с тем, что в апреле 2008 года Правительство РФ в целях борьбы с кризисом ликвидности разрешило направлять бюджетные средства на банковские депозиты. Поэтому в структуре активов банка – данный показатель резко уменьшился по сравнению с прошлым периодом.

Среди активных операций коммерческих банков значительную долю занимает кредитная деятельность. Кредитная политика формирует основные направления ссуд. Кредитные вложения должны быть для банка надежны и рентабельны. Степень кредитного риска определяется возможно допустимым максимальным размером риска на одного заемщика. Задача банка заключается в достижении оптимального сочетания рискованности и прибыльности своих ссудных операций.

Одной из важных проблем ЗАО «Банк Русский Стандарт» является невозможность клиента во время оплатить свой основной долг и проценты по ним. В современной ситуации финансового кризиса как никогда актуальной стала проблема невозможности выплаты кредитов. Учитывая объем кредитования в последние годы и зависимость всей экономики от кредитования, эта проблема затронула почти все слои населения. Кризис глобальный планомерно перетекает в кризис частный: отсутствие или серьезное сокращение ежемесячного дохода сказывается на расходах отдельного человека или всей его семьи, в связи с чем, участились случаи невыполнения обязательств по кредитам. Увеличение доли просроченных ссуд отрицательно сказывается на качестве активов коммерческого банка.

Анализ ссудной задолженности кредитного учреждения показал что структура ссудной задолженности значительно изменилась по равнению с прошлыми периодами. Большую часть стали занимать кредиты физическим лицам, в том числе кредиты по пластиковым (кредитным) картам.

Более половины ссудной задолженности физических и юридических лиц занимает необеспеченная залогом ссудная задолженность. Это в значительной степени влияет на возможность погашения просроченной ссуды. По срокам задержки оплаты кредита, большую часть занимают ссуды с задержкой срока погашения от 180 до 360 дней.

С учетом сложившейся ситуации на рынке - сокращение персонала и значительные сложности с трудоустройством, снижение заработной платы, отсутствие бонусирования сотрудников - становится очень вероятным, что уровень просроченной задолженности по кредитам возрастет. По заявлениям экспертов, основной объем приходится на нецелевые кредиты без залога и поручительства как на самый рискованный вид кредитования.

Таким образом, у банка возникла необходимость разработать мероприятия по управлению просроченной ссудной задолженностью и способствующие повышению уровня доходности его активов, улучшив их качественный состав.

В настоящее время в условиях универсализации банковского дела нужно больше внимания уделять внутриотраслевым различиям, построению интегрального показателя кредитного рейтинга заемщика, развитию новых инструментов — моделированию нелинейных зависимостей при оценке кредитного риска, в том числе нейронных сетей, имитирующих работу человеческого мозга.

К сожалению, с точки зрения развития внешних источников информации о деятельности заемщиков отечественная практика банковского дела сильно отстает от практики экономически развитых западных стран. Несмотря на вступление в силу Федерального закона «О кредитных историях», формирование таких институтов, как кредитные агентства, кредитные бюро, централизованные базы данных финансовой отчетности и регистрации кредитных операций, происходит крайне медленно. Данный факт особенно настораживает в свете возрастающей роли кредитных агентств при определении кредитных рейтингов в соответствии с новыми требованиями Базельского комитета.

Также в нашей стране необходима разработка единой методической базы организации кредитования. В настоящее время эта база имеет незавершенный характер. В инструкциях по организации кредитования, рекомендованных коммерческим банкам, детально не прописан механизм выдачи и погашения ссуд. Банки нуждаются в нормативных документах, более подробно раскрывающих порядок планирования, процедуру кредитования и контроля за использованием кредита.

Представляется, что совершенствование системы кредитования должно пойти по пути:

1) создания системы кредитования, направленной на реализацию сущностных черт кредита и обеспечение коммерческих интересов участников кредитной сделки;

2) реализации принципов кредитования (срочности, обеспеченности, платности, целевого характера) в увязке с принципами рационального кредитования, используемыми зарубежными банками;

3) адаптации международного опыта кредитования к российской банковской практике;

4) развития новых форм кредитования, соответствующих интересам и заемщика, и банка-кредитора;

5) усиления контроля банка за использованием банковских ссуд.

Современная российская практика кредитования индивидуальных клиентов на различные цели далека от совершенства. Необходимо вести работу, как в плане объектов кредитования, так и дифференциации условий предоставления кредитов. Макроэкономическая стабилизация в целом и преодоление инфляции в частности позволит населению шире использовать банковские кредиты для решения жизненно важных проблем.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ

1. Нормативные правовые акты и нормативные документы

1. Гражданский кодекс Российской Федерации. (Часть первая, вторая, третья и четвертая) – М.: «Информэкспо», Воронеж: издательство Борисова, 2008.

2. ФЗ РФ от 02.12.1990 № 395-1 «О банках и банковской деятельности»// СЗ РФ, 05.02.1996, N 6, ст. 492

3. Федеральный закон от 30 декабря 2004 г. N 218-ФЗ «О кредитных историях».

4. ФЗ от 10.07.2002 N 86-ФЗ (ред. от 12.06.2006) "О Центральном банке Российской Федерации(Банке России)" (принят ГД ФС РФ 27.06.2002) (с изм. и доп., вступающими в силу с 01.01.2007)// "Российская газета", N 127, 13.07.2002

5. Инструкция Центрального Банка РФ «Об обязательных нормативов банков».

6. Методика оценки финансового положения заемщиков ЗАО «Банк Русский Стандарт».

7. Положение ЦБР от 26 марта 2004 г. № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности».

8. Устав ЗАО «Банк Русский Стандарт».

9. Положение о кредитовании физических лиц в ЗАО «Банк Русский Стандарт».

10. Положение ЦБР от 31 августа 1998 г. № 54-П «О порядке предоставления (размещения) кредитными организациями денежных средств и их возврата (погашения)» (с изменениями от 27 июля 2001г.).

2 Учебники и учебные пособия

1. Абрамова М.А., Александрова Л.С. Финансы и кредит: Вопросы и ответы – М.: ИД «Юриспруденция», 2004. – 184 с. (Серия «Подготовка к экзамену»).

2. Абрюкина М.С. Финансовый анализ коммерческой деятельности. – М.: Финпрес, 2006.

3. Аудит и корректировка управления кредитными рисками......обязательность мониторинга его динамики для своевременного управленческого реагирования. // Алексей Ковалев. Журнал "Финансовый Директор" № 8/2007.

4. Батракова Л.Г. Анализ процентной политики коммерческого банка:- «Логос» Год издания, 2008.

5. Белов А.С., Селезнева Н.Н., Скобелева И.П. Управление прибылью. – СПб.: ПРИОРИТЕТ, 2006.

6. Батракова Л.Г. Экономический анализ деятельности коммерческого банка. - М.: Прогресс, 2008. - 423 с.

7. Вешкин Ю.Г., Авагян Г.Л. Экономический анализ деятельности коммерческого банка: Учебное пособие. Издательство: Магистр 2007 – 350с.

8. Галицкий В.Ю. Кредиты и займы в 2007 году. Правовые основы, бухгалтерский учет, налогообложение. – «ГроссМедиа», 2007.

9. Голубева С.Е. Страхование рисков коммерческого банка. - М.: Банки и биржи, ЮНИТИ, 2007. - 471 с.

10. Горохов М.Ю., Малеев В.В. Бизнес-планирование и инвестиционный анализ. – М.: Филинъ, 2007.

11. Деньги, кредит и банки / Под ред. Лаврушина О.И. М.: «Финансы и статистика».- 2000.- С. 171

12. Денежная и кредитная системы России / В. Н. Шенаев ; Рос. акад. наук, Ин-т Европы, 222,[2] с. 22 см, М. Наука 1998.- С.98

13. Донцова Л.В., Никифорова Н.А. Комплексный анализ финансовой отчетности. – 5 изд., перераб. и доп. – М.: Дело и Сервис, 2007

14. Ендовицкий Д.А., Бочарова И.В. Анализ и оценка кредитоспособности заемщика.- «КноРус», 2008.

15. Жарковская, Елена Павловна. Банковское дело: учебник: для студентов вузов по специальности 060400 «Финансы и кредит», 060500 «Бухгалтерский учет, анализ и аудит»/Е.П. Жарковская. – 4-е изд., испр. и доп. – М.: Омега-Л, 2008. – 452 с. – (Высшее финансовое образование). – ISBN 5-08119-609-2.

16. Жуков Е.Ф. Деньги. Кредит. Банки: Учебник для вузов / под ред- М: ЮНИТИ-ДАНА, 2008. - 600 с.

17. Ковалев В.В. Финансовый анализ: управление капиталом. Выбор инвестиций. Анализ отчетности – М.: Ф. и Ст, 2007.

18. Кредитные организации в России: правовой аспект /Под. ред. Е.А. Павлодского. - "Волтерс Клувер", 2008.

19. Лаврушин И.О. Банковское дело: современная система кредитования: учебное пособие/О.И. Лаврушин, О.Н. Афанасьева. С.Л. Корниенко; под ред. засл. деят. Науки РФ, д-ра экон. Наук, проф. О.И. Лаврушина. - 4-е изд., стер.- М.: КНОРУС, 2008.-264 с.

20. Маркоян Э.А. Финансовый анализ. Учебное пособие. Изд. 4 – М.: ИД ФБК – ПРЕСС, 2006.

21. Шеремет А.Д., Щербакова Г.Н. Финансовый анализ в коммерческом банке - М: Финансы и статистика, 2007. - 455 с.

22. Ширинская Е.Б. Операции коммерческих банков: российский и зарубежный опыт. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2008. - 160с.

3. Периодическая печать

1. Анастасия С.В. Здравствуй, новый фаворит — здравствуй, нецелевой кредит! // Банковское обозрение, №12, 2008.

2. Астахов А. В. Системный подход к управлению рисками крупных российских коммерческих банков // Деньги и кредит, №1, 2008. С. 34-55.

3. Банки борются с ростом просроченной задолженности // Деловой квартал 10.03.09

4. Винокуров К.Н. Бизнес-аналитика как конкурентное преимущество // Банковский ритейл, № 4, 2007.

5. Горбунов А.Р. Управление активными операциями банков: метод имитационных моделей [Электронный ресурс] // ТОРА-центр : [сайт]. – М., [б.г.]. – URL: http://www.tora-centre.ru/library/reing/invbkart.htm (16.02.09).

6. Жуков А.В. Проблемы розничного кредитования в России глазами Финансового Агентства по Сбору Платежей (ФАСП) // Банковское кредитование, № 4, 2008.

7. Захаров В.С. Коммерческие банки: проблемы и пути развития // Деньги и кредит, № 9, 2008. С. 35-49.

8. Ипотека земельных участков // http://www.juryst.ru/

9. Каюков В.В., Каюков А.В. Значение кредитной системы в активизации реального сектора экономики // Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета, 2007.-2.- С. 2-4

10. Костькова О.В. Комментарий к Федеральному закону от 2 декабря 1990 г. N 395-1 «О банках и банковской деятельности» // Деньги и кредит, № 10, 2008.

11. Кушуев А.А. Показатели платежеспособности и ликвидности в оценке кредитоспособности заемщика // Деньги и кредит, № 11, 2008. С. 43-45.

12. Кредитование физических лиц — новые горизонты развития банковского бизнеса // Эксперт, 2009 № 6

13. Крылов А.А. Банковский call-центр как инструмент работы с "проблемными" клиентами // Банковское кредитование, № 5, 2008.

14. Мальцев Э.В. Скоринговые системы в кредитовании физических лиц // Банковский ритейл, № 1, 2008.

15. Пищулин А.С. Национальные особенности кредитного скоринга // Банковское кредитование, № 1, 2008.

16. . «Программа антикризисных мер Правительства Российской Федерации на 2009 год» http://premier.gov.ru/anticrisis/

17. Просроченная задолженность физических лиц перед банками превысила 100 миллиардов рублей // www.lenta.ru 18.01.2009

18. Смулов А.М. Прогнозирование величины показателя удельного веса просроченной ссудной задолженности кредитной организации // Аудит и финансовый анализ 2007 №1

19. Супрунович Е.Б., Киселева И.А. Управление рыночным риском.// Банковское дело, 2003. № 1. С.27 -31.

20. Сурков В.И. Двести крупнейших российских банков по размеру собственного капитала (на 1 октября 2008 года) // Профиль, № 44, 2008.

21. Физическая слабость. Уже в ближайшее время кредитные организации будут вынуждены сократить долю "быстрых кредитов"// http://www.pro-credit.ru/

22. http://www.cbr.ru (Официальный сайт Центрального Банка России)

23. http://www.expert.ru (Официальный сайт журнала «Эксперт»)

24. http://www.investbank.ru (Официальный сайт АКБ «Инвестбанк»)

ПРИЛОЖЕНИЕ 1

ТЕСТ-АНКЕТА КЛИЕНТА

1. Сведения о Клиенте

1.1. Пол:

муж (0), жен (1).

1.2. Возраст:

20-30 лет (1), 30-*5 лет (2), 45-60 лет (1).

1.3. Семейное положение:

женат (замужем) (1), холост (не замужем) (1), разведен(а) (0), вдовец(ва) (0).

1.4. Брачный контракт:

есть (1), нет (0).

1.5. Иждивенцы:

есть (0), чет (3),

из них дети: 1 (-1), 2 (-2), 3 (-3)

1.6. Проживает:

в собственном жилье (2),

по найму (1),

у родственников (0).

1.7. Место проживания (регистрация):

г. Москва и Подмосковье (3), другой регион (0).

2. Сведения о занятости Клиента

.1. Образование:

среднее (0), техническое (1), высшее (2).

2.2. Сотрудник Банка (5),

сотрудник корпоративного клиента Банка (3).

2.3. Собственное дело (0),

работа по найму (2),

работа в бюджетной сфере (1).

2.4. Должность: топ-менеджер (3), руководитель (2), служащий (1).

2.5. Среднемесячные расходы по отношению к доходам семьи:

до 50% (3), 50-80% (0), более 80% (-3).

3. Кредитная история

3.1. Кредитовались ли Вы ранее: да (1), нет(0).

Где Вы кредитовались: банк-кредитор (1), другой банк (0).

3.2. Имеются ли непогашенные кредиты: да (-5), нет (1).

3.3. Где Вы имеете непогашенные кредиты: банк-кредитор (2), другой банк (0).

4. Активы и обязательства Клиента

4.1. Среднемесячный размер заработной платы за последние 6 месяцев, тенденция к ее изменению:

до $1000(0), $1000 — 2000(3), $2000 — 3000(5), >$3000 (6),

растет (3), стабильна (2), снижается (0).

4.2. Прочие источники дохода; наличие других доходных вложений (наличие ценных бумаг, вкладов):

дополнительная заработная плата (1),

доходы от сдачи имущества в аренду (1), вклады (2), ценные бумаги (3), прочие доходы (1).

4.3. Наличие обязательств, уменьшающих доходы (платежи по кредиту, прочие задолженности, в том числе алименты, напротив обязательства проставьте ежемесячную сумму):

алименты (-2),

обязательства по кредиту (-3), удержания по решению суда (-1), страховые выплаты (-1), плата за обучение (-2), прочие (-1).

5. Имущество

5.1. Наличие собственности, владельцем которой Вы являетесь (недвижимость, земельный участок, автотранспорт):

приватизированная квартира (3), собственный дом, дача (2)

садовый (дачный) участок (1), автомобиль (2), катер (яхта) (3)

прочее (-1).

5.2. Страхование собственности (застрахована ли собственность): да(3), нет (0).

6. Сведения о приобретаемой квартире

(Заполняется клиентом, желающим получить квартиру в наем с правом выкупа)

6.1. Предполагаемая стоимость приобретаемой квартиры:

до $25.000 (4), до $50.000 (3), до $75.000 (2), до $100.000 (1), свыше $100.000 (0).

6.2. Срок кредита: 1 год (5), 2 года (4), 3 года (3), 4 года (2), 5 лет (1).

6.3. Начальный капитал (% от стоимости квартиры): 30% (1), 40% (3), 50% (5), >50%(6).

7. Сведения о приобретаемом автомобиле

(Заполняется клиентом, желающим приобрести автомобиль в кредит).

7.1. Продажная цена автомобиля в автосалоне:

до $10.000 (3), $10.000 — 20.000 (2), свыше $20.000 (1).

7.2. Условия хранения автомобиля:

гаражный кооператив (3), охраняемая стоянка (2), гараж во дворе (2), тент-укрытие (1), нет условий (0).

7.3. Наличие водительского удостоверения: да (2), нет (0); категория: А (0), В(1), С (1), D(1), Е (1);

водительский стаж: до 1 года (1), 1-3 года (2), более 3-х лет (3).

8. Сведения о поручителе

(Заполняется клиентом, желающим получить кредит под поручительство юридического лица)

8.1. Поручитель является клиентом Банка: да (5), нет (0).

8.2. Поручитель является работодателем клиента: да (5), нет (0).

9. Дополнительные сведения о Клиенте

9.1. Привлекались ли Вы к уголовной ответственности? да (-10), нет (0).

9.2. Имеются ли решения суда, которые Вы не исполнили? да (-10), нет (0).

9.3. Находитесь ли Вы под судом или следствием? да (-5), нет (0).

9.4. Предъявлены ли к Вам иски в порядке гражданского судопроизводства?

да (-5), нет (0).

9.5. Предпринимаете ли Вы действия по получению кредитов в других банках (кредитных учреждениях)? да (-3), нет (0).

ПРИЛОЖЕНИЕ 2

ОЦЕНКА КАЧЕСТВА КРЕДИТОВ, ПРЕДОСТАВЛЯЕМЫХ ФИЗИЧЕСКИМ ЛИЦАМ

Параметры кредитования

1. ХАРАКТЕР КЛИЕНТА

При определении оценки по критерию «Характер клиента» от клиента требуется: по пп. 1-4, 6: общегражданский паспорт или иной документ, удостоверяющий личность заемщика;

Характеристики

Список файлов ВКР