Проблемы применения скоринга в российской банковской практике

В современной Российской банковской системе для оценки кредитного риска производится анализ кредитоспособности заемщика, под которой в российской банковской практике понимается способность юридического или физического лица полностью и в срок рассчитаться по своим долговым обязательствам. В настоящий момент в российской банковской практике остро стоит вопрос о том, как оценивать перспективную финансовую состоятельность заемщика, т.е. как убедится в том, будет ли он располагать возможностями выполнить свои денежные обязательства по кредиту к моменту истечения срока действия кредитного договора; и как оценить, насколько он готов выполнить указанные обязательства, т.е. захочет ли он это сделать, можно ли ему верить. Применяемые на данном этапе развития банковской системы РФ методы определения кредитоспособности требуют усовершенствования в связи с увеличением конкуренции на межбанковском рынке. Улучшения методов оценки кредитоспособности заемщика сыграет положительную роль для обеих заинтересованных сторон, как для банков-кредиторов, так и для предприятий-заемщиков.

В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании с друг другом:

  • субъективое заключение экспертов или кредитных инспекторов;
  • автоматизированные системы скоринга.

Основная задача скоринга заключается в том, чтобы выяснить, в состоянии клиент выплатить кредит или нет.

Суть ее состоит в том, что банки определяют число основных параметров, которые на взгляд банка в полной мере должны характеризовать заемщика с точки зрения оценки риска кредитования и если заемщик удовлетворяет этим параметрам, то банк может приступать к выдаче кредита данному заемщику1.

В последнее время в нашей стране данный метод оценки риска кредитования становится все более популярным в банковском бизнесе. На западе скоринговые системы применяются достаточно давно и эффективно. Впервые идея применить автоматизированную систему для разделения потенциальных заемщиков на «хороших» и «плохих» была выдвинута в 1941 году Дэвидом Дюраном. В начале 50-х годов появляется первая консалтинговая фирма в области скоринга Fair Isaac, которая до сих пор является «законодателем мод» в кредитном скоринге. В России применение скоринговых систем началось сравнительно недавно и, видимо, поэтому среди российских банков сразу появились желающие просто внедрить западные системы и получить преимущество на рынке кредитования, не задумываясь о том, адаптированы ли данные системы к российской действительности. Без знания особенностей скоринга говорить об эффективности применения (окупятся ли средства, потраченные на приобретение системы) у нас разработанных на западе систем нельзя.

Для того чтобы понять особенности скоринга, посмотрим, что стоит за этим названием. Идея метода изначально основывается на использовании кредитной истории заемщиков прошлых лет для оценки риска невозврата кредита потенциальным заемщиком. Для этой цели на основе исторических данных и множества характеристик заемщика строятся математические модели, с помощью которых и осуществляется последующая оценка. Простейшей реализацией модели скоринга является взвешенная сумма различных характеристик заемщика, получившийся интегральный показатель затем сравнивается с выбранным пороговым значением, на основе чего и принимается решение о выдаче или невыдаче кредита. Эта простейшая реализация хорошо отражает суть скоринговой оценки — разделение заемщиков на две группы: кому давать кредиты, а кому — нет.

Таким образом, сама суть скоринговой системы достаточно проста. Однако за внешней простотой скрывается ряд «подводных камней». В данной статье мы в основном будем говорить о применении скоринга для оценки рисков кредитования заемщиков — юридических лиц, хотя основные принципы и некоторые вытекающие из них проблемы существуют и в скоринговых системах, предназначенных для потребительского кредитования7.

Первый «подводный камень» скоринга — это сложность в определении, какие характеристики следует включать в модель, и какие весовые коэффициенты должны им соответствовать. Именно от выбора исходных данных в большей степени зависит качество итоговой оценки и, в конечном счете, эффективность оценки риска и доходность кредитного портфеля. К этой проблеме имеется несколько подходов, классическим подходом является, безусловно, обучающая выборка компаний-клиентов, о которых уже известно, хорошими заемщиками они себя зарекомендовали или нет. Размер выборки не является проблемой в западных странах, однако в нашей стране для разработки действительно эффективной системы нужны исторические данные по выданным кредитам, для этого нужно выдать кредиты, для этого нужна скоринговая система. Получается замкнутый круг, для нормального функционирования скоринговой системы необходимо иметь определенный размер выборки, опираясь на которую можно делать вывод о кредитоспособности заемщика. Но эта выборка в свою очередь берется как раз из скоринговой системы. Поэтому необходимо затратить определенное время и путем проб и ошибок начинать накопления информации, которая ляжет в основу скоринговой системы, адаптированной к российской действительности.

Как происходит оценка риска невозврата кредитов потенциальными заемщиками, когда последние представляют собой какие-либо организации? Основная идея основана на том, что в качестве «характеристик» потенциального заемщика в пространство исходных факторов должны быть включены такие параметры, которые присутствуют у любого юридического лица. Отсюда и делается, казалось бы, вполне логичный вывод — такие параметры есть, и это финансовые индикаторы. Вот наш второй «подводный камень»: так как по своей сути финансовые индикаторы отражают характеристики потоков денежных средств предприятия и вычисляются на основе данных отчетности, то они достаточно сильно коррелированны, то есть взаимосвязаны между собой. А коррелированность пространства факторов риска не может не сказаться на качестве итоговой оценки, причем, естественно, в худшую сторону, так как пространство просто уменьшается — из множества финансовых коэффициентов можно составить всего несколько агрегированных параметров, которые и будут «настоящими» входными данными скоринговой системы.

РЕКЛАМНЫЙ БЛОК

[ Хотите знать больше о частной разведке? Регистрируйтесь и общайтесь на интернет-форуме it2b-forum.ru ]

В современной российской практике в основном используется подсчет рейтинговых баллов на основе финансовой отчетности предоставляемой заемщиком, этой процедуре уделяется особое внимание при оценке кредитоспособности заемщика. При расчете рейтинговых баллов в основу положены финансовые коэффициенты, которые как уже говорилось ранее, имеют один, но очень значительные минус — это их коррелированность. Исходя их этого, можно сделать вывод о том, что современной российской банковской практике кредитоспособность заемщика определяет как-то однобоко, анализируя на основе математических и финансовых методах только количественные показатели деятельности предприятия, все остальные стороны деятельности предприятия, его качественные показатели анализируются исходя из субъективного заключения экспертов или кредитных инспекторов банка.

Результат использования количественных и качественных показателей в совокупности будет несоизмеримо выше, так как данные будут в большей степени характеризовать заемщика, не только на основании данных его финансовой отчетности, но и с учетом других факторов, таких как состояние отрасли, в которой ведет бизнес предприятие — потенциальный заемщик, степень диверсифицированности бизнеса и т.д. 

Но существует в связи с этим и ряд проблем, которые будут иметь место при внесении качественных показателей в систему скоринга. Как определить тот необходимый минимум или то количество показателей, которые будут в действительности отображать реальное положение того или иного заемщика.

Безусловно, все перечисленные «подводные камни» скажутся на результатах в полной мере. Хотелось бы еще раз подчеркнуть, что изначально целью скоринговой системы является только отнесение потенциального заемщика к одной из двух групп — «хороший» или «плохой», и скоринг не ставит перед собой цель сравнивать заемщиков одной из этих групп между собой. Однако при неправильном выборе исходных факторов риска или при неучете значимых факторов мы вполне можем столкнуться с ситуацией, когда в пространстве итоговых оценок не выделяются две группы компаний («хорошая» и «плохая») или даже с ситуацией, когда выделяются три и больше групп.

Исходя из всего выше сказанного, можно сделать следующие выводы:

  1. Приобретение нашими кредитными организациями готовой западной скоринговой системы не решит проблемы с оценкой кредитоспособности и есть ли смысл покупать неадаптированные зарубежные системы.
  2. Точность итоговой оценки в очень большой степени зависит от исходных данных (выбора факторов и их «весов»).
  3. Коррелированность пространства факторов риска ухудшает итоговую точность оценки (из-за снижения фактической размерности пространства исходных данных). К тому же огромные ошибки в итоговых оценках дают право говорить о том, что для скоринга юридических лиц в качестве исходных данных одних только финансовых коэффициентов недостаточно.

Теоретически, для разработки действительно эффективной системы скоринга необходима значительная выборка компаний за несколько лет с уже известными результатами (вернули / не вернули кредит) и «обучение» системы на этой выборке, но в России подобной статистики пока просто не существует. Использовать «готовые» западные системы, в свете всего вышесказанного, — это далеко не выход.

Однако ситуация далеко не безнадежна, и учиться не на собственном печальном опыте, выдавая «плохие кредиты» и набирая статистику, все-таки можно. Скоринговая система должна «обучаться» на некоторой выборке, а если выборка мала, то можно использовать модели, эту выборку «размножающие» или имитирующие, исходя из имеющихся данных. Понятно, что обучить систему также эффективно, как и на реальных данных, в те же сроки таким образом невозможно, однако данный подход, безусловно, будет гораздо эффективнее, чем «готовые» западные системы.

Внедрение систем скоринга в практику российских банков необходима как для самих банков в плане уверенности в возврате кредита заемщиком, так и для заемщиков, для которого скоринговая система ощутимо сократит время на принятие банком решения о выдаче кредита. Положительным моментом к ускорению вхождения скоринга в российскую банковскую практику является то, что с 1 июня этого года вступил в силу закон о кредитных бюро. Этот закон дает право каждому заемщику накапливать собственную кредитную историю и обязывает банки передавать данные о кредитных историях клиентов с их согласия в специализированные кредитные бюро. В них будет храниться информация о заемщике и о своевременности погашения им кредитов. Обобщенные данные, в свою очередь, предполагается хранить в Центральном каталоге кредитных историй при Центробанке. Тем самым наша страна сделала важный шаг в направлении освоения мирового опыта, когда банки будут принимать решение исходя из многолетней репутации данного заемщика. Впрочем, пока еще кредитные бюро в России делают первые шаги. Специалисты отмечают все еще недостаточную проработанность ряда вопросов, касающихся защиты банковской тайны.

Список использованных источников
  1. Банковское дело. Под ред. проф. О.И. Лаврушина. — М.: Финансы и статистика, 2000.
  2. Банковское дело: Учебник... 2-е изд. / Под ред. Проф. В.И. Колесникова, проф. Л.П. Кроливецкой. — М.: Финансы и статистика, 1998.
  3. Грюнинг Х., Братанович С.Б. Анализ банковских рисков: Система оценки корпоративного управления и управления финансовыми ресурсами. — М.: Весь Мир, 2004
  4. Семенов С.К. Деньги, кредит, банки. — М.: Экзамен, 2004
  5. Жарковская Е. П. Банковское дело. — М.: Омега-Л, 2005
  6. Челноков В.А. Банки и банковские операции: Букварь кредитования Технология банковских ссуд. Околобанковское рыночное пространство: Учебник для вузов. — М.: Высшая школа, 1998.
  7. Мазин Е. Банки идут в регионы // Бизнес. — 2005. — №99 (118)
  8. Кузьменко И. Среди бюро кредитных историй начинается конкуренция // Бизнес. — 2005. — №99 (118)
  9. Мазин Е. Банки идут в регионы // Бизнес. — 2005. — №99 (118)

Автор: Буракова В.А. (аспирант)

Оцените статью
Технологии разведки для бизнеса