Более глубокая детализация в скоринге начнется, когда кредитование «переварит» верхнюю часть «пирамиды» потенциальных заемщиков, которая сейчас охвачена. Это самые состоятельные, самые качественные заемщики. В России выдано кредитов, причем не только потребительских, где-то в объеме 1,5% к ВВП. В Западной Европе это приблизительно 50%, в Америке — 78—80%. Это является существенным показателем развития страны.

В странах Восточной Европы кредиты составляют 10—18% от ВВП в зависимости от момента вступления в ЕС. Ближайшая перспектива страны — догнать Восточную Европу. Что означает увеличить объем кредитования в 5—10 раз. Ну и в отдаленной перспективе — уровень кредитования 50% от ВВП, это программа лет на двадцать — догнать Западную Европу.

Процесс будет развиваться лавинообразно, основной двигающий мотив — «чем я хуже соседа». При движении к основанию клиентской «пирамиды» качество заемщиков будет неизбежно падать, а потребности ритейла будут говорить — кредитовать нужно большее количество. В такой ситуации для определения кредитонадежности клиента система скоринга должна обрабатывать информацию с наибольшей степенью детализации. Вот тогда скоринг будет «дотачиваться» до домов и улочек. В какую сторону окна твоей квартиры, какие номера у твоей машины — будем доходить до таких деталей при определении кредитонадежности.

Первая составляющая анкеты скоринговой модели, заполняемой клиентами банков — «жесткие» параметры. Они берутся не со слов, а исходя из документов, которые клиент имеет с собой. Из паспорта «выудить» можно много. Например, одинокая женщина, 35—40 лет, с ребенком, по скорингу для целей экспресс-кредитования с большой долей вероятности будет иметь ответ «да». В силу социальной модели поведения, в силу психотипа данной категории граждан, ее нацеленности на защиту ребенка. Комплекс этих факторов с учетом ее экономического положения свидетельствует о высокой ответственности и, как следствие, достаточной кредитонадежности.

Таковы «жесткие» параметры, которые позволяют делить клиентскую базу на социальные страты. Страт может быть много. Добавляются новые признаки — и предыдущее количество страт может увеличиться в разы.

Страховая компания «РОСНО» выделила на сегодня 1056 первичных страт. Первоначально была разработана балльная система, не привязанная ни к чему. Важно было обкатать эту систему на массиве, набрать статистику, чтобы потом от этого массива данных уже вести корректировки. Чем больше выборка, тем четче локализуются некие пики, — компания их и нащупывала. Опрашивала по этой анкете своих сотрудников, людей на улицах, работников на предприятиях клиентов, даже постоянных посетителей в казино, всеми правдами и неправдами прося заполнять анкеты…

После «жестких» параметров в анкете следуют «мягкие» параметры, среди которых образование, знание языков, количество выездов за рубеж, наличие электронной почты, причем корпоративной или личной, место работы, наличие недвижимости. Эти характеристики также классифицируются и оказывают свое влияние на принятие решения.

И последнее — небольшой психологический опросик, который решает несколько задач. Он помогает определить достоверность информации, предоставленной клиентом. Из 18 вопросов, на которые необходимо ответить «да — нет», из чего-то на первый взгляд размыто-неопределенного получается определенность, как это бывает, наверное, только в психологии. По этим ответам строится некий профиль клиента, который при всей своей простоте на больших массивах показывает критические или некритические смещения относительно некоего признаваемого за норму поля. Это важно — компания больше основывается на социально-экономической модели, нежели на защите кредита имуществом клиента.

2.4 Модель управления риском кредитного портфеля коммерческого банка

Таким образом, риск кредитного портфеля является одним из наиболее значимых для банка рисков. Как уже отмечалось ранее, доход по кредитным операциям составляет практически 50 % всех доходов коммерческого банка, а кредитный риск – это неотъемлемая часть любой кредитной операции, которая возникает вне зависимости от “желания” банка, а значит, носит объективный характер. Поэтому возникает необходимость учета риска кредитного портфеля с помощью системы качественных и количественных показателей, и принятия на их основе решения о применении методов управления риском кредитного портфеля коммерческого банка.

Для оценки степени рискованности кредитного портфеля коммерческий банк использует систему различных показателей:

1. Возможная (ожидаемая) величина убытков по кредитному портфелю:

где

Si – сумма i – го кредитного договора, i = 1, 2, …, n;

– вероятность возникновения убытков по i–му договору (показатель риска).

2. Средневзвешенный кредитный портфельный риск:

3. Дисперсия (вариация) как мера кредитных рисков по отношению к кредитному портфелю банка:

, где