Дипломная работа: Споживче кредитування та його розвиток в Україні

Для діапазону рейтингів 245250 очікувана частка "поганих" дорівнює 1,2%. Це значить, що 1,2% кандидатів з рейтингом від 245 до 250 швидше за все будуть "поганими".

Сумарна частка "поганих", тобто частка "поганих" серед усіх кандидатів з рейтингом вище 245, дорівнює 0,84%.

Acceptance rate для 245 дорівнює 17,44%, тобто 17,44% усіх кандидатів мають рейтинг вище 245.

На основі факторів, описаних вище, банк може вирішити, наприклад, відмовляти всім кандидатам з рейтингом нижче 200, або призначати їм велику ціну через те, що вони представляють більший ризик. Поняття "поганого" клієнта визначається головним чином за допомогою таких негативних показників, як банкрутство, шахрайство, правопорушення, відмовлення від виконання зобов'язань і негативна чиста приведена вартість (NPV).

Інформація про ризиковий рейтинг у сполученні з іншими факторами, такими як середній ступінь схвалення [approval rate] і потенціал доходу/прибутку для кожного рівня ризику, можуть використовуватися для розробки нових стратегій добору заяв, що будуть максимізувати доход і мінімізувати неповернений борг. Прикладами стратегій для кандидатів з високим рівнем ризику є:

відмовлення в наданні кредиту або послуги, якщо рівень ризику занадто високий,

менший стартовий кредитний ліміт або максимальне значення кредиту на кредитній картці,

збільшена ціна при оплаті на виплат або вимогу застави при іпотеці або позичках на автомобіль,

збільшена процентна ставка по позичці,

збільшений страховий внесок по страхових полісах,

вимога надати застава при комунальних послугах [utilities services],

вимога заплатити вперед при оплаті стільникового зв'язку,

заборона на міжнародний зв'язок від телекомунікаційних компаній,

приміщення під спостереження через потенційні шахрайські дії.

Навпроти, кандидатам з високим рейтингом можуть бути видані великі кредити по більш вигідних процентних ставках, можуть бути надані послуги більш високого розряду, наприклад, золоті або платинові картки, або додаткові продукти, пропоновані компанією.

Рейтинги заяв можна також використовувати для мінімізації витрат на етапі кредитної експертизи due diligence policies. Наприклад, кандидат з дуже високим або дуже низьким рейтингом може бути прийнятий або відкинутий відразу ж без одержання подальшої інформації про нерухомість, підтвердження доходів або перевірки базового активу.

З огляду на конкуренцію, що загострюється, на ринку, кредитним організаціям приходиться йти на усі великі поступки позичальникам. Це і відсутність первинного внеску, і розміщення кредитних менеджерів банку прямо в торговельному приміщенні магазинів, і експресоформлення кредиту. Можливість одержати кредит у лічені хвилини, "не відходячи від прилавка", от головний козир нинішніх кредиторів. Вони обіцяють видати готове рішення про можливості видачі вам кредиту в плині 530 хвилин. Та й довідка з місця роботи про заробітну плату виявляється зайвим папірцем. Це змушує відвідувача, уже тримаючи в руках заповітний товар, підписувати будь-які документи.

В цих умовах саме використання скорингової моделі як одного з головних інструментів ризик-менеджменту кредитних операцій визнано в усім світі як одне з найбільш ефективних.

Успіх скорингової моделі обумовлюється декількома ключовими факторами:

неупередженість оцінки (скоринг геть чисто відмітає суб'єктивність оцінок, традиційно зв'язану з кредитними рішеннями);

стандартизація кредитних оцінок;

можливість автоматизації (тому що скоринг припускає роботу лише з деякою кількістю цифр, вона легко автоматизується);

контроль (у силу стандартизації кредитних операцій банкам не представляється складним контролювати і відслідковувати ефективність кредитних рішень);

збільшення прибутковості (автоматизація процесу означає зниження витрат на ручну обробку заявок на кредит до мінімуму).

Для ефективного використання кредитного скоринга необхідно враховувати, що існує два види інформації: та, котру установа мала при споконвічному прогнозуванні поводження потенційного позичальника (оцінні дані), і та, котру організація одержує в результаті використання клієнтом кредитних продуктів (робочі дані).

Результати, отримані після статистичного аналізу, і формують скорингову карту. Приміром, вона може виглядати в такий спосіб (табл.3.4).

Це далеко не повний набір можливих критеріїв оцінки кредитних ризиків потенційних позичальників.

Наступним логічним кроком буде визначення граничного значення результату скорингової моделі або рівня відсікання, що і розділить усіх позичальників на "поганих" і "гарних". Такою межою повинний стати рівень, при якому доходи від гарних позичальників є достатніми для покриття збитків по потенційно поганим. Для цього можна вдатися до комплексного аналізу і співвідношення прибутковості кредитного портфеля і рівня списань боргів, віднесених до безнадійних й інших витрат. Припустимо, що в середньому збитки по одному поганому рахунку покриваються доходами по десятьох гарним. У даному випадку таким рівнем буде значення скорингової карти відповідному такому співвідношенню (у нашому прикладі це 10/1). Саме таке значення і буде, свого роду, крапкою беззбитковості кредитних операцій банку (табл.3.5).

Таблиця 3.4 Приклад скорингової карти в АКБ „Приватбанк”

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38