В современной практике банковского кредитования для оценки кредитного риска широко применяется скоринговые модели, в частности, их используют «Русский стандарт», «Райффайзенбанк», «Ситибанк», «ЮниКредит банк». В разных сегментах рынка кредитных ресурсов доля банков, применяющих или собирающихся в ближайшем будущем применять скоринговую оценку, составляет от 20% до 83% [1, с. 52-53]. На российском рынке представлены специализированные компании, разрабатывающие методики скорингового анализа и предлагающие соответствующее программное обеспечение: Credit Scoring Solution, EGAR Application Scoring, SAS Institute. Не снижается актуальность научных исследований, направленных на выявление преимуществ и недостатков и совершенствование скоринговой оценки [1, 2, 3, 4].
Столь активное внедрение скоринга в практику оценки кредитного риска обусловлено целым рядом обеспечиваемых с его помощью преимуществ – скоростью, низкими издержками, исключением субъективизма оценки, возможностью отсечь до 90% ненадежных заемщиков и улучшением качества кредитного портфеля в целом. По мнению автора, наиболее весомым аргументом в пользу скоринговых моделей следует признать возможность определения вероятности неблагоприятного исхода (невозврата кредита) с приемлемой точностью. Но при этом не следует забывать о двойственной природе категории риска, возможности получения не только отрицательного и нулевого, но и положительного результата. Измерение риска не заканчивается установлением вероятности реализации рискового события – не меньшее значение имеет размер потенциально возможного дохода и его изменчивость. Метод «дерева решений» позволяет учесть эти характеристики при принятии решения о кредитовании и, по мнению автора, повышает обоснованность такого решения.
Рассмотрим конкретную ситуацию. Банк осуществляет выбор между двумя вариантами кредитования. В первом варианте запрашивается кредит в сумме 2000 тыс. руб., сроком на 1 год, ставка процента может быть установлена в размере 20% годовых. Вероятность возврата кредита, оцененная банком с использованием скоринговой модели, составляет 0,95. Обеспечение отсутствует.
По второму варианту кредитования запрашивается кредит в сумме 5000 тыс. руб., сроком на 1 год, ставка процента может быть установлена в размере 15% годовых. Вероятность возврата 0,7. Предоставляется обеспечение в форме залога, рыночная стоимость которого с учетом затрат на востребование и реализацию при невозврате заемных средств составляет 4800 тыс. руб.
При построении дерева может быть выделено два этапа – этап принятия решения о кредитовании (момент времени t0) и этап возврата средств (момент времени t1).
1 этап. В момент времени t0 (событие 1) может быть принято решение о кредитовании первого либо второго заемщика. На этом этапе отток средств составляет 2000 тыс. руб. при первом варианте кредитования и 5000 тыс. руб. при втором.
2 этап. В момент времени t1 возможны четыре варианта развития событий (четыре ветви дерева):
1 – кредит и проценты по нему будет погашены первым заемщиком в сумме 2400 тыс. руб. (2000 тыс. руб. – основной долг, 400 тыс. руб. – сумма процентов) с вероятностью 0,95;
2 – кредит и проценты не будут погашены с вероятностью 0,05, при этом прямые потери банка составят 2000 тыс. руб.
3 – кредит и проценты по нему будет погашены вторым заемщиком в сумме 5750 тыс. руб. (5000 тыс. руб. – основной долг, 750 тыс. руб. – сумма процентов) с вероятностью 0,7;
4 – кредит и проценты не будут погашены с вероятностью 0,3, при этом прямые потери банка составят, с учетом взыскания залога 200 тыс. руб. (5000 тыс. руб. – 4800 руб.)
Дерево решений, построенное для данной финансово-хозяйственной ситуации, показано на рис. 4. Критерием для принятия решения о кредитовании могут служить статистические показатели оценки степени риска, расчет которых показан в таблице 1.
Рисунок 4 – Дерево решений для оценки кредитного риска
Таблица 1 – Оценка кредитного риска по методу «Дерево решений»
Ветви |
Чистый доход, тыс. руб. |
Вероятность |
Математическое ожидание |
Дисперсия |
СКО |
Вариация |
1 |
–2000 + 2400 = 400 |
0,95 |
380 |
77200 |
278 |
99% |
2 |
–2000 |
0,05 |
–100 |
|||
Среднее ожидаемое значение |
280 |
|||||
3 |
–5000 + 5750 = 750 |
0,7 |
525 |
139613 |
374 |
80% |
4 |
–5000 + 4800 = –200 |
0,3 |
–60 |
|||
Среднее ожидаемое значение |
465 |
При оценке кредитного риска на основе скоринговой модели первый вариант кредитования однозначно предпочтителен, но, как по критерию среднего ожидаемого значения, отражающего наиболее вероятный результат, так и по коэффициенту вариации, второй вариант кредитования является менее рискованным. При этом оба варианта кредитования сопряжены с повышенным риском (первый – катастрофического, второй – критического уровня).
Приведенный здесь пример – не единственный, в процессе работы было изучено достаточно много ситуаций с разными вариантами развития событий: с выбором между несколькими вариантами кредитования с предоставлением залога и (или) поручительства и с существенным разбросом процентных ставок; с выбором между предоставлением кредита и инвестированием с минимальной, но гарантированной доходностью; с использованием в расчетах кумулятивной вероятности. Вне зависимости от специфики конкретного примера, применение метода дерева решений дает информацию более полную, чем скоринговая модель.
Библиографический список
- Шешукова, Т.Г., Быкова, М.В. Кредитный скоринг как система анализа заемщика-предприятия малого бизнеса кредитной организацией // Вестник Пермского университета. – 2013. – № 1. – С. 52-56
- Фоменко, Н.М. Методы решения задачи выбора партнеров виртуального предприятия // Вестник Ростовского государственного экономического университета. – 2010. – № 3. – с. 1-8.
- Петухова, М.В. Оценка кредитоспособности населения Сибирского федерального округа: рейтинговый подход // Современная наука. – 2011. – № 3. – с. 75-81
- Скиба, С.А., Лойко, В.И. Современный подход к оценке платежеспособности клиента при кредитовании // Научный журнал Кубанского государственного аграрного университета. – 2012. – № 7. – с. 1-11