Файл: «Организация кредитной работы в банке».pdf

Каждый параметр имеет максимально возможный порог, который выше для важных проблем и ниже для небольших проблем. До сих пор существует много способов оценить кредитоспособность. Самым известным из них является модель Дюранта. Дюран обнаружил ряд факторов, которые могут максимизировать степень кредитного риска. Он также определяет факторы, которые характеризуют кредитоспособность человека:

1.Пол: женский (0.40), мужской (0)

2.Возраст: 0.1 балл за каждый год свыше 20 лет, но не более чем 0.30

3.Срок проживания в данной местности: 0.042 за каждый год, но не более чем 0.42

4.Профессия: 0.55 – за профессию с низким риском; 0 – за профессию с 5.высоким риском; 0.16 – другие профессии

6.Финансовые показатели: наличие банковского счета – 0.45; наличие

7.недвижимости – 0.35; наличие полиса по страхованию – 0.19

8.Работа: 0.21 – предприятия в общественной отрасли, 0 – другие

9.Занятость: 0.059 – за каждый год работы на данном предприятии

Он также определил, когда человек считается кредитоспособным. Порог составляет 1,25. Если накопленное количество баллов больше или равно 1,25, то потенциальному заемщику предоставляется запрашиваемая сумма.

Одним из способов решения этой проблемы является использование алгоритма, который решает проблему классификации. Задача классификации – задача, которая присваивает одному объекту (потенциальному заемщику) одну из ранее известных категорий (дать / не дать кредит). С помощью дерева решений метод интеллектуального анализа данных может решить эти задачи. Дерево решений является одним из методов автоматического анализа данных. Полученная модель представляет собой метод представления правил в иерархической структуре порядка, где каждый объект соответствует узлу, который дает решение.

Сущность этого метода заключается в следующем:

1. Дерево построено на основании данных за прошлые периоды. Категория каждого случая, на котором основывается дерево, известна заранее. В нашем случае нужно знать, погасили ли основную сумму и проценты, и была ли задержка платежа. При построении дерева все известные случаи учебного образца сначала достигают верхнего узла, затем распределяются между узлами, а затем могут быть разделены на суб-узлы.

2. Критерием разделения является различные значение любого входного коэффициента. Чтобы определить область, в которой будет происходить разделение, используют индикатор энтропию – меру неопределенности. Выберите поле, раздел которого устраняет большие неопределенности. Чем выше неопределенность, тем больше примесей в узле (которые принадлежат разным классам объектов). Если в узле есть объекты, принадлежащие одному классу, энтропия равна нулю.

3. Полученная модель используется для определения категории вновь возникшей ситуации (Дать/ Не дать кредит).

4.  При значительных изменениях состояния рынка деревья могут быть перестроены, то есть адаптироваться к существующим условиям.

Чтобы продемонстрировать этот метод, образец рассматривался как необработанные данные, состоящие из 1000 записей, каждая из которых была описанием характеристик заемщика и параметром, описывающим его поведение при погашении кредита.

При составлении деревьев использовались следующие факторы, определяющие заемщика:  номер паспорта, Ф.И.О, адрес, размер, срок, цель кредита, среднемесячный доход, среднемесячный расход, основное направление расходов и т.д. В этом случае поля: «N паспорта», «имя», «адрес», «название организации» определяются алгоритмом уже в начале построения дерева решений как неподходящее из-за практической уникальности каждого значения.

Целевым полем является поле «Дать кредит», которое принимает «да» и «нет». Эти значения можно объяснить следующим образом: «Нет» – плательщик либо сильно задерживал платеж, либо не возвращал часть денег «Да» – противоположность «Нет».

Анализируя полученное дерево решений, можно сказать следующее:

1. Используя дерево решений, вы можете проанализировать важные факторы. Это возможно, потому что критерий максимального устранения неопределенности используется при определении параметров на каждом уровне иерархии, через которые узлы делятся на под-узлы. Поэтому более важным фактором для классификации является расстояние (глубина) от корня дерева, что менее важно.

2. Можно отметить, что в полученном дереве отсутствуют такие индикаторы, как «кредитный лимит», «кредитный период», «средний месячный доход» и «средняя ежемесячная стоимость». Этот факт можно объяснить наличием таких показателей, как «кредитная безопасность» в исходных данных. Этот фактор является точным обобщением четырех указанных показателей, и алгоритм, который строит дерево решений, выбирает его.

Очень важной особенностью этой модели является то, что правила, определяющие, принадлежит ли заемщик группе, написаны на естественном языке. Например, на основе установленной модели вы получите 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 строя данные из прошлых периодов, дерево решений имеет очень важную функцию. Эта функция называется «способностью обобщения», то есть, если есть новая ситуация (как упоминалось потенциальными заемщиками), то, вероятно, будет довольно много этой ситуации. Поэтому мы можем с уверенностью сказать, что новообращенные заемщики ведут себя так же, как заемщики, чьи характеристики очень похожи на характеристики вновь измененных заемщиков.

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

Примеры полученных результатов: Обеспечение кредита: Да. Наличие недвижимости: Да. Пол: Муж, Банковский счет: Нет. Основные области расходов: Покупка товаров длительного пользования.

С помощью этого метода вышеуказанные недостатки системы оценки кредитного рейтинга можно немедленно устранить.

Это:

1. Поскольку алгоритм построения модели классификации (дерева решений) является адаптивной моделью (с небольшим вмешательством), стоимость адаптации минимизируется.

2. Поскольку алгоритм выбирает наиболее важный фактор, определяющий окончательный ответ, качество результата достаточно велико. Кроме того, результаты статистически обоснованы.

Дерево решений предназначено для выполнения задачи по снижению риска в рамках кредитного бизнеса физического лица. Хотя в первом приближении наблюдались положительные результаты.

Дальнейшие улучшения могут повлиять на такие факторы, как: детерминанты заемщика для более точных выборов, например, вместо двух значений целевых параметров, можно использовать в качестве вероятности того, что деньги будут выпущены вовремя целевому значению больше информации (возврат / Без возврата / отсутствия времени) или с использованием предварительно обработанных исходных данных может значительно улучшить качество результатов и важный шаг в решении любых проблем в анализе данных интегрированного подхода.

Исходя из вышесказанного, можно сказать, что дерево решений в настоящее время решает некоторые проблемы с подсчётом. Однако в настоящее время «экспресс-кредит» не требует более 1 часа времени подачи заявки, и обычно 30 минут действительно теряют свою актуальность. Это рискованно для банков, потому что невозможно провести проверки качества заемщиков в течение 30 минут. Это часто используется мошенниками, поэтому просроченная задолженность по этим кредитам очень высока.

Поскольку банки стали проявлять меньший интерес к таким продуктам, как экспресс-кредиты и коммерческие кредиты, они стали обращаться к нецелевым потребительским кредитам и кредитам к пластиковым картам. Для этого решения многие финансовые и кредитные учреждения прилагают все усилия для изменения законодательства (особенно когда действует директива центрального банка, предусматривающая обязательное раскрытие реальных процентных ставок) и рост кредитных рисков в области «прямых кредитов».

Исходя из вышеперечисленных проблем Сбербанка, можно предложить меры, которые помогут снизить риск анализа кредитоспособности физических лиц.

Потребительское кредитование в так называемых «точках» действительно становится менее привлекательным не только с точки зрения рисков, но и с точки зрения возврата капитала.

Следовательно, первая мера по сокращению невозврата кредита заключается в прекращении выдачи кредитов в торговых точках и в прямом обращении в банк.

По моему мнению, подавляющее большинство «активных» заемщиков, которые нуждаются в более чем 50-70 000 рублях, в настоящее время более склонны ждать два или три дня, чтобы принять решение о классическом плане ненаправленных кредитов и получить кредиты по гораздо более низким процентным ставкам. Для кредитования комиссия не взимается.

Это означает, что второй мерой по сокращению погашения кредитов Сбербанка является расширение нецелевых кредитов под гарантию юридических лиц. Их кредитный риск – самый низкий, а не экспресс-кредит. Это большое преимущество при постоянном увеличении числа дефолтов, и проблема привлечения средств стала более серьезной (в любом случае для банков всех типов оценки, которые не занимают высшие позиции).

Кстати, ненаправленные кредиты хороши, потому что поиск источника рефинансирования не является непреодолимой задачей. Даже большое количество кредитов требует от 5 до 7 лет обслуживания кредита. Поиск такого кредита намного проще, чем выдача ипотечного кредита на 15-25 или даже 30 лет.

Например, объем выданных срочных кредитов на 2019 год составил 2 833 000 рублей. процентная ставка по ним составляла 15% годовых, что составило 431 916 рублей. Сумма непогашенных средств для срочных кредитов физическими лицами на 2019 год составляет 292 650 рублей, соответственно, банк получил меньшую прибыль по этой процентной сумме.

Если срочный кредит не используется, банк выдаст 2 833 000 рублей за нецелевые кредиты по годовой ставке 18%. Процентный доход за год составит 518 299 рублей. И если кредит не будет возвращен, банк сможет заложить залог, потому что залог является одним из обязательных условий для кредита.

Вышеуказанный расчет нецелевого дохода по кредитам может быть включен в текущий доход и также может использоваться для предоставления кредитов юридическим и физическим лицам.

Я считаю, что для Сбербанка третьей мерой по снижению невозвратов по кредитам является страхование потребительского кредита, которое обеспечивает страховое покрытие потребительского кредитного риска. С точки зрения страховых компаний потери банка являются наиболее адекватными – погашение задолженности по займам, процентов и расходов на сокращение потерь. По окончании периода ожидания производится оплата по требованию банка и предоставляется минимальное количество документов – набор стандартных банковских форм. Таким образом, банк освобождается от уплаты долга от должника – это является обязанностью страховой компании, и банк получает свои убытки в течение определенного периода времени.

Заключение

За последнее десятилетие система кредитования в России прошла большой путь развития. На самом деле изменилась не только философия банковского дела, но и технология кредитных операций. Кредитные операции являются наиболее рискованными операциями банка. Поэтому кредитная политика ориентирована на надежность предварительно проверенных заемщиков, с которыми Банк давно работает и знает их финансовое состояние. Основной задачей Банка в 2010 году является обеспечение высокого качества активов и надежности Банка в условиях экономического спада, а также укрепление его рыночных позиций.

Выявляя основные свойства кредита, его обычно определяют как экономические отношения между кредитором и заемщиком о возвратном движении стоимости. Разделение кредитных отношений на отдельный тип основано на характеристиках субъектов и объекте этих отношений.

Субъектами кредитных отношений могут быть любые юридически независимые хозяйствующие субъекты и способные лица, вступающие в отношения относительно временного заимствования стоимости в денежной или товарной форме.

Принципы кредитных отношений заключаются в следующем:

1. Восстановление кредита.

2. срочность кредита.

3. Возврат кредита. Кредитный интерес.

4. Обеспечение кредита

5. Цель кредита

6. Дифференциальный характер займа

Кредит является основой современной экономики, неотъемлемым элементом экономического развития. Он используется крупными предприятиями и ассоциациями, а также малыми промышленными, сельскохозяйственными и коммерческими структурами; как государства, правительства, так и отдельные лица.

Кредиторы, которые владеют свободными ресурсами только через их передачу заемщику, имеют возможность получать от него дополнительные средства. Кредит наличными - это новый способ оплаты.

Список литературы

1. Каджаев. М.Р. Банковские операции: учеб. для студ. сред. проф. учеб. заведений / М.Р.Каджаева, С.В.Дубровская. – 4-е изд., стер. – М.: Издательский центр «Академия», 2018. – 400 с.
2. Фролова Т.А. Банковское дело: конспект лекций. Таганрог: Издательство – технологический институт Южного федерального университета, 2019. – 342 с.
3. Тапсахалова Ф.М-Г. Рынок ценных бумаг и биржевое дело: учеб. пособие/ Изд: Академия естествознания, 2017 – 377 с.
4. Банк и банковские операции: учебник / коллектив авторов; под ред. О.И. Лаврушина. — М.: КНОРУС, 2018. — 272 с. — (Бакалавриат).
5. Официальный сайт Центрального банка Российской Федерации [http://www.cbr.ru].
6. Джанибеков М.Х. БАНКОВСКАЯ СИСТЕМА РФ И ОПЕРАЦИИ КОММЕРЧЕСКИХ БАНКОВ // Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ: сб. ст. по мат. LXIII междунар. студ. науч.-практ. конф. № 3(63). URL: https://sibac.info/archive/economy/3(63).pdf (дата обращения: 04.12.2019)
7. Готовчиков, И.Ф. Практический метод экспресс-оценки финансовых возможностей физических и юридических лиц / И.Ф. Готовчиков // Банковское кредитование. – 2018. – №3. – С.35-38.
8. Дмитрова, Т.А. Сущность и понятие кредитного портфеля коммерческого банка / Т.А. Дмитрова // Международный научно-исследовательский журнал. – 2017. – № 12-2 (31). – С. 9 – 13.
9. Ендовицкий, Д.А. Анализ и оценка кредитоспособности заемщика / Д.А. Ендовицкий. – М.: ИНФРА-М, 2018. – 315с.
10. Ефимова, О.В. Финансовый анализ / О.В. Ефимова. – М.: Бухгалтерский учет, 2018. – 421 с.
11. Жарковская Е., Банковское дело: Курс лекций. – М: ИКФ Омега – Л, 2018. – 298 с.
12. Колесников.В. Банковское дело. – М.: Финансы и статистика, 2018.- 263с.
13. Кузнецова, Е.И. Деньги, Кредит, Банки / Е.И. Кузнецова. – ЮНИТИ – ДАНА, 2019. – 487с.
14. Лаврушин, О.И. Банковское дело: учебник / О.И. Лаврушин. – М.: КНОРУС, 2018. – 586с.
15. Лексис В. Кредит и банки. – М.: БЕК, Перспектива, 2017.- 274с.
16. Магомедов, Г.И. Анализ современного состояния и перспективы развития кредитования в РФ / Г.И. Магомедов // Финансы и кредит. 2018. – №9. – С. 34-38.
17. Малахова, Н.Г. Деньги. Кредит. Банки. – Ростов-на-Дону: Феникс, 2018. – 248 с.
18. Методы оптимизации в теории управления: Учебное пособие/ И.Г. Черноруцкий. – СПб.: Питер, 2018 – 262 с.
19. Митрофанова, К.Б. Понятие кредитного риска и факторы, на него влияющие / К.Б. Митрофанова // Молодой ученый. – 2018. – №2. – С. 184-190.
20. Печникова, А.В. Банковские операции.- Москва: ФОРУМ – ИНФРА-М, 2019.- 368с.