АННОТАЦИЯ 2
ВВЕДЕНИЕ 4
1. АНАЛИЗ ТЕКУЩЕГО СОСТОЯНИЯ РЫНКА КРЕДИТНЫХ
ПРОДУКТОВ 7
2. СКОРИНГОВЫЕ СИСТЕМЫ И МЕТОДЫ ОЦЕНКИ
КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА 11
2.1. Математические методы классификации заемщиков 14
2.2. Кредитный портрет заемщика 20
3. ПОСТРОЕНИЕ СКОРИНГОВОЙ КАРТЫ 22
3.1. Описание входных данных 22
3.2. Анализ входных данных 24
3.3. Анализ причин невозврата кредита 28
3.4. Анализ предикторов модели 32
3.5. Многофакторная регрессионная модель определения суммы кредита
35
3.6. Скоринговая карта определения группы риска заемщика 38
ЗАКЛЮЧЕНИЕ 43
ПРИЛОЖЕНИЕ 44
В настоящее время кредит является основным источником удовлетворения огромного спроса потребителей на денежные ресурсы. Потребность в денежных ресурсах возрастает как у юридических, так и у физических лиц. Кредитование становится все более актуальным, притом не только для заемщиков, но и для самого банка.
Между банками в сфере кредитования конкуренция не просто растет, а в настоящее время просто обострилась. Банки борются за привлечение заемщиков. Происходит снижение процентных ставок, сокращение времени на рассмотрение заявки о выдаче кредита физическому лицу, отмены поручительства при выдаче кредитов на малые суммы и т.д. За счет всех этих факторов риск невозврата кредита растет.
В настоящее время широко распространено понятие кредитного риска, которое подразумевает не только полный невозврат по выданным заемщику кредитным средствам, но и просрочки платежей, риск ликвидности, деловой риск и т.д . Проблема совершенствования методического обеспечения управления кредитными рисками не перестает быть актуальной в текущих экономических условиях.
Кредитный скоринг подразумевает начисление баллов или очков за каждый из факторов определенного заемщика. В качестве факторов могут выступать социальные и демографические характеристики заемщика, параметры запрашиваемого кредита и т.д., на основе которых принимается решение о выдаче или об отказе в выдаче кредитных средств [15].
Существенными и определяющими конкурентное преимущество на рынке факторами являются низкие процентные ставки, короткие сроки принятия решения о предоставлении кредита, необременительная система гарантий. Решающий фактор для клиента - это быстрота получение кредита на любые нужды. Поэтому сроки рассмотрения заявки на получение кредита играют не последнюю роль в конкурентоспособности банка, а значит и его прибыльности. Но сокращение сроков на рассмотрение кредитной заявки может привести к неверному решению о выдаче кредита физическому лицу, от чего будет возрастать риск невозврата кредита.
В связи с вышесказанным, целью работы стала разработка скоринговой карты определения группы риска невозврата кредита, которая позволит провести оценку потенциального заемщика перед принятием решения о выдаче или отказе в кредитных средствах.
Исходя из цели работы, поставлены следующие задачи:
1) построить кривые кредитных портретов заемщиков;
2) определить внешние факторы модели;
3) построить линейную регрессионную модель определения суммы выдаваемого кредита;
4) провести категоризацию внешних факторов модели;
5) построить и обучить нейронную сеть для перевода коэффициентов линейной регрессии в скоринговые баллы;
6) определить диапазоны групп риска невозврата кредитных средств.
Объект исследования - кредитная политика банка.
Предмет исследования - развитие скоринговых систем банков.
Структура и объем работы
В первой главе проанализирована текущая ситуации на рынке кредитных продуктов, выявлена актуальность поиска новых методических решений к определению риска невозврата кредита.
Во второй главе рассмотрены основные математические методы применяемые при построении скоринговых карт и принятию решений о выдаче кредитных средств. Приведены основные понятия рассматриваемой предметной области. Подробно описано назначение кривых кредитного портрета заемщика.
В третьей главе формализованы качественные факторы, проведена категоризация внешних факторов согласно снижению рисков невозврата кредита, а не равных процентилей. Построены кредитных портреты заемщиков, на основе которых проведен анализ причин невозврата кредитных средств. Построена линейная регрессионная модель определения суммы выдаваемого кредита, на основе коэффициентов которой с помощью нейронной сети определены скоринговые баллы и диапазоны групп риска невозврата кредитных средств
В заключении приведены основные результаты, полученные в ходе выполнения работы.
В ПРИЛОЖЕНИИ представлена скоринговая карта.
Внедрение скорингового решения позволяет делать следующее.
1. Повышать доходность кредитных операций за счет снижения кредитных рисков. Оценивать риски дефолтов, просрочек, досрочного возврата и давать рекомендации по условиям кредита.
2. Обоснованно выводить на рынок новые кредитные продукты, анализируя конъюнктуру рынка на основе накопленных банком данных.
3. Снижать издержки банка на операциях по выдаче кредитов за счет автоматизации принятия решений, увеличить скорость принятия решений при массовом кредитовании.
4. Централизованно контролировать принимаемые кредитные решения, управлять влиянием человеческого фактора на принятие решений.
5. Управлять кредитным портфелем банка в соответствии с текущей кредитной политикой банка. Оценивать доходность/убыточность клиентов в портфеле, анализировать структуру портфеля.
6. Выявлять и предотвращать попытки мошенничества при обращении за кредитами.
В рамках работы были проанализированы 1265 анкет заемщиков, формализованы качественные факторы, проведена категоризация внешних факторов согласно снижению рисков невозврата кредита, а не равных процентилей. Построены кредитных портреты заемщиков, на основе которых проведен анализ причин невозврата кредитных средств. Построена линейная регрессионная модель определения суммы выдаваемого кредита, на основе коэффициентов которой с помощью нейронной сети определены скоринговые баллы и диапазоны групп риска невозврата кредитных средств. Построенная скоринговая карта рекомендуется к применению в операционной деятельности банка.
