Анализ рынка потребительского кредитования в России

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 http://cbr.ru.

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.

Страницы: 1, 2, 3, 4, 5