Xreferat.com » Рефераты по банковскому делу » Анализ рынка потребительского кредитования в России

Анализ рынка потребительского кредитования в России

– 24 %

9, 12 – 26 %

6% - за открытие ссудного счета

300 рублей – годовое обслуживание карты

0,3-0,7% - комиссия за выдачу денежных средств со счета

Паспорт + 1 документ Меткомбанк Классический 20 000 – 600 000 рублей До 3 лет

До 1 года – 20 %

1-2 года – 21 %

2-3 года – 22 %

3% - комиссия за открытие ссудного счета

1-2 поручителя, возраст 21-60 лет,

Постоянная парописка в г. Екатеринбурге

Стаж работы на последнем месте рабоы более 6 месяцев

УБРиР Экспресс-кредит 10 000 – 90 000 рублей 12 месяцев 25%

4% - за открытие счетов в рамках кредитного соглашения

1% - ежемесячно за ведение счетов

Постоянная прописка в городах присутсвия банка

Возраст 21 – 55 лет

Справка с места работы о доходах


Кредитная линия 30 000 – 400 000 рублей 12 месяцев 23%

2% - за открытие счетов в рамках кредитного соглашения

0,5% - ежемесячно за ведение счетов

Без справки с места работы о доходах

Паспорт + 1 документ

Без залога

Без поручителей


Овердрафт 5 000 – 100 000 рублей 12 месяцев 23%

СКБ-Банк Экспресс-кредит 5 000 – 20 000 рублей 6, 12 месяцев 13 %

2% - ежемесячно от суммы кредита

350 рублей – единовременно при открытии ссудных счетов

Без залога и поручителей Банк 24.ру Быстро-кредит 5 000 – 24 000 рублей 3, 6, 9, 12 месяцев 10 %

4% - открытие счетов

2 - ежемесячно

25 – 55 лет

Прописка в городе Екатеринбурге

Стаж работы на последнем месте работы - более 6 месяцев

Паспорт + 1 документ

ВУЗ-Банк Кредит на неотложные нужды 30 000 – 220 000 рублей До 2 лет 24 % Прямое указание на комиссии отсутствует На официальном интернет -сайте информация отсутствует Екатеринбург Кредит под поручительство предприятия – корпоративного клиента банка 20 000 – 300 000 рублей До 3 лет 21 % 550 рублей - единовременно

Постоянная регистрация в Екатеринбурге

Справка о доходах


На основании вышеприведенной таблицы можно сделать следующие выводы

Минимальная процентная ставка 10 % годовых. Более низкая ставка не означает самую низкую цену кредита, как правило, банки компенсируют разницу в цене за счет дополнительных комиссий. (в городе Москва – 11,5 %)

средний размер процентной ставки 20-21 % годовых(в городе Москва – 16-18%)

Максимальная процентная ставка 26 % годовых. (в городе Москва - 26)

Минимальная сумма кредита 3 000 рублей. (в городе Москва – 15 000 рублей)

Средняя сумма кредита - 100 000 рублей. (в городе Москва – 300 000 рублей)

Максимальная сумма кредита 600 000 рублей.. (в городе Москва – 3 000 000 рублей)

Минимальный срок кредитования - 3 месяцев. (в городе Москва – 6 месяцев)

Максимальный срок кредитования - 3 лет. (в городе Москва – 5 лет)

Как правило банки кредитуют на срок 1 год. (в городе Москва – 1-3 лет)

Суммы кредита в московском регионе на порядок выше, чем в городе Екатеринбурге. На мой взгляд, объясняется это тем, что в Москве выше уровень жизни населения, более высокий уровень заработных плат.

Соответственно выше и покупательная способность населения, а следовательно, выше и стоимость товаров, на приобретение которых привлекается кредит.

Сравнительный анализ рынка потребительского кредитования также выявил тот факт, что цена кредита в городе Москве существенно ниже, чем в городе Екатеринбурге.

На первый взгляд разница в плате за кредит незначительная: минимальная ставка в Москве выше на 1,5 %, чем в Екатеринбурге, средняя ставка ниже в Москве на 2-3%, а максимальная в обоих регионах одинаковая. Но в Екатеринбурге выше дополнительные затраты по кредиту.

Так в Екатеринбурге практически во всех банках на настоящий момент существует комиссия за ведение счетов в рамках кредитного соглашения, и составляет она от 0,5 до 2 % от суммы первоначального кредита ежемесячно.

Если учитывать, что средняя сумма кредита в Екатеринбурге 100 000 рублей, то эта комиссия составляет от 500 до 2000 рублей каждый месяц. В Москве ежемесячная комиссия, как правило, не взимается вообще, либо равна фиксированной сумме в среднем 10 Долларов США (около 280 рублей).

0,5-2% ежемесячные сборы банков – это дополнительные 6 – 24% годовых к указанной ставке кредита.

Таким образом, средняя цена кредита в Екатеринбурге – от 26% годовых. Если учесть, что средняя сумма кредита в Москве 300 000 рублей, то 280 рублей – это менее 0,01 %.

Таким образом, данная комиссия не оказывает существенного влияния на эффективную ставку процента, и стоимость кредита в Екатеринбурге превышает аналогичный показатель Москвы на 8-10% годовых.

Более низкая цена кредита в Москве отражает наметившуюся тенденцию снижения ставок под влиянием жесткой конкуренции в секторе потребительского кредитования. На мой взгляд, в Екатеринбурге в скором времени также следует ожидать снижения ставок.


3. Перспективы развития рынка потребительского кредитования в России


Согласно проведенным модельным расчетам, в течение ближайших пяти-шести лет доля кредитов населению в активах банковской системы увеличится с нынешних 9 до 18%-20%. Это дает основание предположить, что к концу 2010 года остаток ссудной задолженности физических лиц при условии сохранения темпов роста ВВП в среднем на уровне 6% в год превысит 4 трлн. руб. Среднегодовые темпы прироста рынка установятся на уровне 40%, а сам рынок (то есть потребительские кредиты всех видов, включая ипотечные) за ближайшие пять лет вырастет примерно в семь раз.

При этом в объеме валового внутреннего продукта доля потребительских кредитов увеличится с 3,7 до 11 -12%.

Достоверность прогнозных оценок развития потребительского сектора кредитования подтверждается целым рядом других факторов, и прежде всего зарубежным опытом. Вступив на рыночные рельсы, Россия вот уже более десяти лет идет по пути, который многие страны, пережившие аналогичную перестройку модели функционирования экономики, прошли раньше нас. Чтобы оценить перспективы рынка потребительского кредитования России, был проанализирован опыт развития этого рынка в других странах, в особенности тех, где уровень развития экономики близок к российскому.


Анализ рынка потребительского кредитования в России

Рисунок 2.3 Отношение объема кредитов физическим лицам к ВВП, %


Хотя развитие потребительского кредитования в России идет семимильными шагами, в начале 2005 года кредиты населению составляли лишь 3,7% от ВВП (для сравнения: в Восточной Европе — 11 -13%, в развитых странах — выше 50%). Объем кредитов на душу населения в самых развитых государствах достигает $25-30 тыс. В России этот показатель находится на одном уровне с Турцией, при этом он в три-шесть раз меньше, чем в Польше, Венгрии и Чехии, тогда как объем ВВП на душу населения у нас всего лишь в 1,1-1,7 раза ниже, чем в этих странах.

Таким образом, сравнение относительных размеров рынка потребительского кредитования за рубежом и в России свидетельствует о значительном потенциале российского рынка и тем самым подтверждает достоверность наших оценок.


Анализ рынка потребительского кредитования в России

Рисунок 2.4 Объем ссудной задолженности на 1 человека в разных странах мира, $


Уровень потребления в России по-прежнему ниже, чем в указанных странах Восточной Европы. Например, в 2004 году в нашей стране на тысячу человек было куплено не более девяти новых автомобилей, тогда как в Чехии — примерно 13.

В стоимостном выражении эта разница гораздо больше: российские автомобили, которых в количественном выражении продается вдвое больше западных, остаются более дешевыми.

Относительно низкий уровень потребления в России на фоне все еще невысоких показателей обеспеченности населения торговыми площадями и слабо развитой розничной торговли в регионах создает предпосылки для роста объемов кредитования населения в ближайшие годы.

Понимая всю привлекательность рынка кредитования физических лиц, используя громадный опыт, наработанный во многих странах мира, дочерние структуры зарубежных банков одними из первых в России начали активно развивать операции кредитования населения, пытаясь еще в период становления этого рынка занять на нем ведущие позиции.

Обладая рядом неоспоримых преимуществ перед российскими банками (наличие отработанных технологий работы с физическими лицами, продуманных маркетинговых и рекламных стратегий продвижения продуктов и услуг, сильного брэнда), некоторые иностранные банки, начавшие заниматься потребительским кредитованием в России несколько лет назад, достаточно быстро попали в число лидеров этого сегмента рынка, например австрийский Raiffeisenbank и чешский Home Credit and Finance Bank (соответственно 1,6 и 2,3% рынка потребительских кредитов на конец 1 -го квартала 2004 года).

В настоящее время в число основных участников рынка уже пытаются войти такие глобальные компании, как Citibank. Societe Generale, GE Consumer Finance (потребительское подразделение компании General Electric, владеющее в России Дельта банком).

Одной из важных тенденций, наметившихся на рынке потребительского кредитования, является усиление конкуренции, что безусловно, благоприятно скажется на росте выдачи потребительских кредитов.

Можно предположить, что при сохранении позитивной динамики макроэкономических показателей в России степень конкуренции между участниками рынка будет только усиливаться, прежде всего за счет появления на рынке новых крупных игроков. Многое будет зависеть от вступления России в ВТО.

Если это произойдет в ближайшие годы, доступ иностранных финансовых структур на российский рынок существенно упростится, а привлекательность самого рынка вырастет.

В результате присоединения к ВТО ускорится процесс прихода в Россию глобальных игроков рынка потребительского кредитования.

Выход иностранцев на российский рынок будет означать не только усиление конкуренции, но и более интенсивное внедрение новых технологий борьбы за лояльность потребителей.

Чтобы вовлечь в процесс кредитования как можно больше участников, банки, их партнеры — прежде всего торговые сети и крупные производители товаров народного потребления, компании, занимающиеся жилищным строительством — должны будут предъявить рынку новые маркетинговые и рекламные технологии.

В этой связи весьма актуальными могут оказаться совместные программы банков и торговых сетей.

Так. например, величина дисконта, предоставляемого по кредитной карточке того или иного банка, а также количество торговых сетей, дающих скидки по банковским картам, могут дать существенное преимущество выпустившему карточку банку.

Наряду с этим на первый план в конкурентной борьбе выйдут качество обслуживания клиентов, сила брэнда, широта спектра предоставляемых банком сопутствующих услуг, возможность гибкого учета индивидуальных потребностей клиента.

Популяризацией потребительских кредитов занимаются не только банки, проводящие активные рекламные кампании разнообразных кредитных продуктов, но также производители и продавцы товаров, строительные компании, фирмы сферы услуг.

Поэтому для банка отношения с торговыми сетями и производителями потребительских товаров приобретут особую значимость для достижения поставленных целей на рынке кредитования физических лиц.

Одним из главных итогов усиления конкуренции на рынке станет вовлечение в ряды его участников все большего числа граждан, что, в свою очередь, будет способствовать увеличению объема рынка потребительского кредитования и расширению его географии.


4. Проблема невозвратности кредитов на рынке потребительского кредитования


На фоне недавней нестабильности в российском банковском секторе летом 2004 года в последнее время много и часто говорится о возможной природе и причинах следующего банковского кризиса – в частности, о так называемом кризисе плохих долгов.

И если пока кажется, что российский банковский сектор далек от «кризиса плохих долгов» в его классическом понимании, некоторые наметившиеся тенденции, связанные с кредитной деятельностью отечественных банков, действительно вызывают настороженность и требуют серьезного мониторинга, так как могут потенциально привести к подрыву стабильности финансовой ситуации как в отдельных банках, так и в системе в целом.

Прежде всего уточним, что именно понимается под звучным определением «кризис плохих долгов». Данное явление предполагает накопление доли неработающих (просроченных, необслуживаемых) активов в столь значительных объемах, что это сопровождается банкротствами отдельных банков на рынке, а также приводит к дестабилизации и даже прекращению работы банковской системы.

В таких условиях кризисные процессы затрагивают и другие типы активов, в частности ценные бумаги, что особенно актуально для развивающихся стран, где наблюдается высокая концентрация заемщиков и эмитентов. Например, российский банковский кризис 1998 года в определенной степени можно классифицировать как «кризис плохих активов».

В ряду основных показателей на рынке кредитования стоит процент просроченной задолженности, который в значительной мере отражает степень риска кредитного бизнеса банков. Так, согласно данным Банка России, процент просроченной задолженности по потребительскому кредитованию за 1999—2000 гг. составил в среднем 1,2%, аналогичный показатель за 2002-2003 гг. равен 0,9%. Мировая практика свидетельствует, что при резком подъеме банковского бизнеса повышаются и риски по нему.

Если с этой точки зрения проанализировать объемы кредитов, выданных, например, населению нашей страны, то прогноз окажется неутешительным — просматривается существенное увеличение рисков, рост процента просроченной задолженности, соответственно уменьшение прибыли в данном бизнесе.

В 2004-2005 году в среднем резервы на возможные потери по потребительским кредитам в банковском секторе составляют всего 2% (медиана - 1,3%).

Экспертная оценка проблемных ссуд физических лиц достигает 7%-10%. В диапазоне справедливой оценки возможных потерь по потребительским кредитам находятся МДМ-банк и Хоум Кредит энд Финанс Банк. У первого резервы на потенциальные потери достигают 7%, у второго - 6%.

Большинство остальных банков явно недооценивают риски. С одной стороны, это ведет к повышению текущей прибыльности банков, с другой стороны, создает задел для будущего кризиса кредитования.

Однако перспективы кредитного коллапса выглядят весьма отдаленными. До тех пор, пока рынок растет огромными темпами, удваиваясь ежегодно, низкие резервы на потенциальные потери не будут давать о себе знать. Невозврат ссуд станет актуальной проблемой, когда рынок прекратит свой рост, стабилизируясь на одном уровне.

В таблице 2.3. приведены данные просроченной задолженности по кредитам, предоставленным физическим лицам, банками города Екатеринбурга.

Из данной таблицы видно, что показатели просроченной задолженности особенно велики у Банка Драгоценности Урала (7,58%), Уралпромстройбанка (4,80%), Свердлсоцбанка (2,71%) и у Банка Екатеринбург (2,17%). Столь высокие показатели могут свидетельствовать о том, что либо в этих банках упрощенная система оценки кредитоспособности заемщика, а как следствие данный показатель просроченной задолженности является прогнозируемым и его величина учтена при установлении цены кредита, либо об ошибках руководства в построении кредитного портфеля потребительских кредитов, либо о плохо налаженной работе по возврату просроченных долгов.

Сопоставляя данные по процентам резервирования и по просроченной задолженности, можно установить, насколько банк верно оценивает свои кредитные риски, реально смотрит на проблему обеспечения ликвидности. Большинство банков создают резервы достаточные для покрытия убытков в случае неоплатности долгов.

Опасения оставляют показатели просроченной задолженности и размеры формирования резервов на возможные потери по ссудам Банка Драгоценности Урала (7,58% и 3,77% соответственно). Очевидно, что в банке ведется опасная кредитная политика, которая может привести к проблемам ликвидности уже в скором будущем.

Сравним соответствующие показатели крупнейших участников рынка потребительского кредитования. Данные сконцентрированы в таблице 2.5.


Таблица 2.5 – Анализ просроченной задолженности по потребительскому кредитованию по состоянию на 01.04.05

Наименование банка Объем ссудной задолженности (БС2 45502-45509) Объем просроченной задолженности (БС2 45815) В процентном соотношении к объему ссудной задолженности

РВПС

(БС2 45515)

В процентном соотношении к объему ссудной задолженности
Сбербанк России 288 683 117 691 885 0,24 % 5 788 790 2,00%
ХКФ-Банк 20 404 231 1 908 131 9,35% 1 652 415 8,09%
Раффайзен 11 100 162 29 266 0,26% 141 525 1,27%
МДМ-Банк 7 327 741 70 815 1 443 353 6,05
Уралсиб 7 255 440 65 284 0,9% 50 253 0,7%
Банк Москвы 5 438 734 78 572 1,44% 73591 1,35%
Росбанк 5 561 410 19 750 0,36% 62 229 1,11%
Банк Русский стандарт Н/д Н/д - Н/д -

Примечание – при составлении таблицы использованы данные с официального сайта Банка России cbr.

Особенно велики показатели просроченной задолженности у ХКФ Банка. Но как утверждают сами сотрудники этого банка, «в большинстве случаев просроченная задолженность является сугубо технической, т.е представляет собой не что иное, как просроченные на короткий срок платежи», которые гасятся с небольшим опозданием.

Безусловно, банки стремятся любыми способами снизить риски кредитного бизнеса, и при достаточно жестких условиях выдачи кредитов, как, например, в Акционерном коммерческом Сберегательном банке Российской Федерации, процент их невозврата может доходить всего до 0,3%.

Для грамотного управления кредитным риском и для поддержания просроченной задолженности на уровне не выше расчетного показателя (используемого, например, при установлении цены кредита) банк должен вести эффективную деятельность по двум направлениям.

5. Оценка кредитоспособности заемщика с применением скоринговой модели. Проблема построения скоринговой модели


Первое направление - эффективная оценка кредитоспособности заемщика, т.е. прогноз банка, насколько потенциальный заемщик в будущем будет аккуратно и своевременно обслуживать долг.

В зависимости от принятой в банке кредитной политики, оценка кредитоспособности заемщика может проводиться особенно тщательно - кредитным экспертом на основании предоставленных документов либо по упрощенной схеме - на основании заполненной анкеты и, как правило, небольшого пакета документов (справка о доходах с места работы, копия паспорта и др.).

В первом случае имеет место наиболее трудоемкая работа, которая требует продолжительных временных затрат, проведения расчетов различных финансовых коэффициентов.

Решение по кредитной заявке может приниматься в течение нескольких дней или даже недель. В том случае если банк уверен в надежности клиента, ему предоставляется кредит.

Оценка на основании финансовых коэффициентов и экспертного мнения сотрудника банка является наиболее точной, обеспечивает низкие показатели просроченной задолженности. Возвращаемость таких кредитов близка к 100%.

Данная методика применяется, когда сумма запрашиваемого кредита велика. В нашей стране подобную методику применяет Сбербанк России и, как видно, из проведенного анализа показатели просроченной задолженности в этом банки очень низки.

При втором методе заключение о выдаче кредита выносится на основании данных анкеты, заполненной потенциальным заемщиком. Каждому ответу присваивается определенное количество баллов, итоговое количество баллов сравнивают со шкалой. Этот метод основан на анализе статистических данных, выверенных эмпирическим путем. Данный метод называют скорингом.

Решение принимается, как правило, в течение нескольких минут. Банки строго засекречивают свои скоринговые модели, поскольку они строятся на дорогостоящих социологических исследованиях и от того, насколько точны эти исследования, напрямую зависит прибыль банка. Теоретические аспекты данного метода были рассмотрены в теоретической главе.

На практике банки, решающие применять в своей работе скоринговую модель, всегда сталкиваются с вопросом: приобретать ли ему готовую скоринговую модель у разработчиков скоринговых карт или заниматься созданием скоринговой системы самостоятельно. Такой же вопрос возник и перед Международным московским банком при внедрении в его деятельности скоринговой модели.

Плюсами покупки готовой скоринговой карты является то, что эти карты предлагаются ведущими мировыми агентствами, которые представлены на рынке достаточно давно и накопили существенный опыт.

Минусами покупки скоринговой модели можно назвать то, что банк теряет контроль над процессом создания скоринговой модели. И с экономической точки зрения, если подходить к процессу применения скоринга грамотно, ориентировать различные скоринговые карты на различные сегменты, на различные регионы, то ценообразование таково, что банк платит за каждую скоринговую карту отдельно.

В случае если банк разрабатывает скоринговую карту для разных регионов, разных продуктов, разработка может быть дешевле. И основной плюс в том, что, разрабатывая скоринговую карту самостоятельно, можно учесть российскую специфику, в какой форме предоставляет заемщик справку о доходах НДФЛ-2 либо свободная форма, форма юридической организации работодателя заемщика, что позволяет сегментировать заемщиков, со стабильным доходом, не имеющих стабильного дохода.

Чтобы построить скоринговую карту, необходимо определить, что является зависимой и переменной. Та переменная, по которой будут осуществляться исследования, и показывает, кто является хорошим заемщиком, а кто плохим заемщиком.

Как определить, кто является хорошим заемщиком, является плохим? Можно пойти несколькими путями.

Самый простой способ — взять информацию о просроченной задолженности и считать, что Заемщик является плохим в случае, если просроченная задолженность превышает определенное количество дней. Например, 30, 60 дней, 90 дней либо на основании уже более детальной работы группы с просроченными задолженностями, когда уже понятно, что заемщику надо объявлять дефолт, заемщик перестает приносить банку доход.

Если банк идет первым методом то просто объективно фиксирует количество просрочки, т е., начиная с 31 дня (если просрочка 30 дней), мы считаем, что это плохой заемщик.

Вторым этапом является построение выборки, на которой будет осуществляться тестирование скоринговой модели. Надо иметь в виду, что для того, чтобы карта объективно работала, необходимо, чтобы та выборка, на которой она строится, соответствовала той, на которой она в дальнейшем будет, применяться.

Кроме того, надо еще отметить такие моменты.

Необходимо брать самый свежий срез, в случае, если у банка есть объективные основания считать, что изменилась макроэкономическая ситуация в регионе, то данные по кредитам, предоставленным в прошлом, скорее всего, лучше откинуть.

В выборку должны попадать только те заемщики, те наблюдения, по которым мы можем говорить, что дефолт по данному заемщику является вызревшим.

Что это такое? Когда банк выдает розничный кредит, то он в течение какого-то времени, в течение месяца вообще не может определить, является ли заемщик хорошим либо плохим до первого платежа. Этот период может быть больше, чем один месяц.

Для того, чтобы скоринговая модель справедливо отражала ситуацию, надо брать только те данные, по которым дефолт является уже реальным.

И еще один аспект касательно построения выборки. Как правило, скоринговые модели тестируются, разрабатываются на одной выборке, а проверяется адекватность сравнения предсказуемого дефолта с реальной вероятностью дефолта на другой.

Если предсказанная вероятность и реальная вероятность дефолта ведут себя одинаково, то можно сказать, что скоринтовая карта нормально сегментирует хороших заемщиков от плохих.

Третий этап — определение независимых переменных, которые участвуют в анализе.

Основным источником данных для построения скоринговой модели является анкета заемщика. При этом могут использоваться как «сырые» данные (пол, возраст), так можно поэкспериментировать и построить на основании этих данных свои собственные переменные.

Но делать это надо грамотно. Перед тем, как строить переменные, надо задаться целью построить некую гипотезу о том, как данная переменная влияет на вероятность дефолта. Включая в скоринговую модель переменную «пол», рабочей гипотезой будет та, что женщины более аккуратны в обслуживании задолженности, чем мужчины.

Дерево решения построено на следующем принципе. Берется вся выборка и последовательно разбивается по критериям, являющимися на каждом шаге наиболее значимыми для разделения хороших и плохих. В результате на нижнем уровне мы получаем какие-то определенные, отдельные сегменты.

Скоринговую карту можно получить и визуально посмотреть. Данный заемщик имеет такую-то вероятность дефолта и такой-то скоринговый балл, переменные входят в модель, то есть можно сравнивать не только по одной переменной, но и между двумя переменными. Логистическая регрессия менее чувствительна к количеству исходных данных.

Нормальная логистическая регрессия — та, где можно начинать расчет скоринговой карты с использованием логистической регрессии, имея свыше 200 дефолтов.

Преимуществом древа решений является возможность обнаружения редких событий. Это может использоваться при ситуации обнаружения мошенников.

Если недостаточно данных, то это преимущество может быть обращено и во вред. То есть данное редкое событие может быть просто разделено в корне дерева. И аналитик никогда об этом не узнает. Преимуществом дерево-решений является обработка пустых значений.

Если сравнивать модели, то дерево-решения дают возможность построить нелинейную зависимость от независимых переменных в модель. Но ту же самую нелинейность, используя инструментарий логистической регрессии, можно построить, если добавить модель кросс верибэл, то есть переменную, получающуюся перемножением одной переменной на другую.

И далее несколько штрихов, которые производятся при использовании логистической регрессии при построении скоринговой модели методом логистической регрессии.

Прежде всего, чтобы скоринговая карта имела наглядный вид, есть смысл непрерывные переменные сгруппировать, разделить на какие-то диапазоны.

Примерно можно возраст разделить на некоторые диапазоны, многие статистические пакеты делают это самостоятельно. Можно заложить здесь какой-то смысл, например, маркетинговый либо что-то еще (окончание учебного заведения, выход на пенсию и т.д.)

После того, как скоринговая модель построена, мы использовали два метода - метод логистической регрессии и второй — деревьев-решений.

После того, как мы построили скоринговую карту, надо принципиально определиться, как мы будем принимать решение на основании этой скоринговой карты.

Определить уровень отсечения, то есть тех клиентов, кого мы будем кредитовать, а кого нет.

Во-вторых, это ценообразование.

Понятно, что грамотное ценообразование должно учитывать все компоненты: фондирование, стоимость фондирования, расходы и вероятность дефолта, а также маржу банка.

Эта вероятность дефолта, которую определяет скоринговая карта, учитывается при процентной ставке.

Еще одним методом выбора уровня отсечения является максимизация доходов в зависимости от скорингового балла, от вероятности дефолта


6. Работа с просроченной задолженностью


Второе направление обеспечения возвратности кредитов – это работа с проблемными кредитами. Любой банк ведет работу по возврату просроченных ссуд.

В положении 254-П указано, что банки обязаны предпринять все меры к возврату предоставленных средств. В рамках мероприятий по работе с проблемными кредитами могут выступать: звонок клиенту по телефону с напоминанием о наступлении очередного взноса по кредиту, личная встреча представителей банка с заемщиком, при которой клиенту объясняют все возможные последствия неоплаты долга (обращение в суд, взыскание долга службой судебных приставов, формирование негативной кредитной истории и другое), обращение в суд.

Более подробно мероприятия по работе с проблемными ссудами рассмотрим на примере трех российских банков – лидеров потребительского кредитования России - ХКФ Банка, Банка Русский Стандарт и лидера потребительского кредитования на рынке города Екатеринбурга - Уральского Банка Реконструкции и Развития.


7. Работа с просроченной задолженностью в ООО «Хоум Кредит энд Финанс Банке»


Специфика бизнеса ХКФБ такова, что в большинстве случаев просроченная задолженность является сугубо технической, то есть представляет собой ни что иное, как просроченные на короткий срок платежи. По состоянию на 31 декабря 2004 года общий объем платежей по кредитам, просроченных более чем на 90 дней, составил порядка 960 млн. рублей, что соответствует порядка 5% объема портфеля в целом.


Таблица 2.6 - Структура просроченной задолженности ХКФБ на 31 декабря 2004 г.

В млн. руб 2002 2кв.03 2003 2кв.04 2004 доля
без просрочки 25 226 4 685 5 941 16 746 88.2%
просрочка 1-30 дней 1 21 497 740 720 3.8%
31-90 дней 0 7 116 420 566 3.0%
91-180 дней 0 1 24 245 402 2.1%
181-360 дней 0 0 7 117 447 2.4%
более 360 дней 0 0 0 5 115 0.6%
Всего просрочка 1 29 644 1 528 2 249 11.8%
Просрочка/ портфель 2.2% 11.4% 12.1% 20.5% 11.8%
Доля просрочки >90 дней 0,0% 0,3% 0,6% 4,9% 5,1%

Наибольшая часть просроченной задолженности (порядка 32%) приходится на просрочку менее 30 дней, которая в большинстве случаев является технической (то есть клиент забыл о наступлении времени очередного платежа, не успел оплатить, и т.д.).

Согласно накопленной статистике Банка, по результатам мер, направленных на возврат просроченных платежей, погашается 93,5% кредитов. Общий размер резерва на возможные потери по непогашенным кредитам составил на 31 декабря 2004 года, согласно отчетности по стандартам МСФО, 1.18 млрд. рублей, или порядка 6% объема кредитного портфеля с учетом накопленных процентов.

Размер созданных резервов полностью покрывает объем просроченных платежей по кредитам срочностью более 90 дней.


Таблица 2.7 - Резервы на возможные потери на 31декабря 2004 г.

в млн. рублей

2002

2003

2кв.О4

2004

Просроченная задолженность (ПЗ)
Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: