Скоринг как метод оценки кредитоспособности юридических лиц

Если рассматривать 2013 год, то зафиксировано увеличение объема срочной кредитной задолженности юридических лиц, что составляет 110786 млрд. руб. или 19,6%. На 1 января 2014 года этот показатель составил 676 трлн. руб. Следует отметить и то, что в 2013 году уровень кредитования снизился ввиду напряженного финансового состояния, высоких процентных ставок, а также роста проблемной задолженности по этим кредитам. По отношению к 2013 и 2012 годам, в 2014 г. наблюдается существенная разница в области проблемной задолженности по кредитам частному сектору экономики. Она увеличилась на 221,3 млрд. руб., или на 72,6%. На 1 января 2013 г. и на 1 января 2014 г. этот показатель был 574,1 млрд. руб. и 1173,1 млрд. руб. соответственно, а в общем увеличился на 48,93%, что отметим на рисунке 1.

Рисунок 1 – Динамика проблемной задолженности по кредитам, выданным банками Республики Беларусь частному сектору

Примечание – Источник: собственная разработка на основании данных [1]

Отсюда следует, что банкам, ввиду растущей тенденции проблемной задолженности юридических лиц, необходимо разрабатывать и внедрять более технологичные способы оценки кредитоспособности клиента, которые позволяют не только принять правильное решение, но и ускорить сам процесс принятия решений без ущерба качеству кредитного портфеля банка. Одним из современных подходов к минимизации кредитного риска, в рамках которого используются автоматизированные системы принятия решений по выдаче банковских кредитов и условиям кредитования, является внедрение скоринговых систем в деятельность кредитных организаций.

Скоринг (от англ. scoring – подсчет очков в игре) - это математическая модель, которая соотносит уровень кредитного риска с параметрами, характеризующими кредитополучателя [3].

Смысл кредитного скоринга заключается и в том, что каждому соискателю кредита приписывается свойственная только ему оценка кредитного риска. Сравнение значения кредитного скоринга, полученного для конкретного кредитополучателя, со специфичной для каждой модели скоринга пороговой оценкой помогает ускоренно решить труднейшую проблему выбора при выдаче кредита.

Однако набор данных показателей неоднозначен и может варьироваться в зависимости от выбранной модели скоринга. Полученные данные вводятся в программу, которая после определенных расчетов отображает итоговую оценку, что рассчитывается по формуле:

Z = a1X1 + a2X2+…aiXi

где Z - значение оценки скоринга;

ai – весовые коэффициенты, характеризующие значимость факторов риска;

Xi – факторы риска, определяющие кредитоспособность заемщика.

Данная формула является ядром практически любой модели скоринга. Она рассчитывает значение кредитного скоринга или численного значения, характеризующее качество кредитоспособности кредитополучателя [4].

Кроме того, внедрение скоринговых систем имеет ряд преимуществ, к которым относят:

возможность снижения издержек и минимизацию операционного риска за счет автоматизации принятия решения о выдаче кредита;
сокращение времени обработки заявлений и предоставление ответа о выдаче кредита;
централизацию принятия кредитного решения и снижение влияния человеческого фактора при его принятии;
выявление и предотвращение попыток мошенничества [4].

В связи с этим, скоринг имеет и ряд недостатков, потому что часто решение системы основано на анализе данных, предоставленных исключительно самим заемщиком. Помимо этого, скоринговые системы необходимо постоянно дорабатывать и поддерживать, т. к. они учитывают только прошлый опыт и реагируют на изменения социально-экономической ситуации с запозданием.

На рынке программного обеспечения для банков существуют готовые решения. Самые известные западные программы - SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS). Среди российских разработчиков выделяются Basegroup Labs, «Диасофт», известна украинская компания "Бизнес Нейро-Системы" [3]. Следует отметить, что на Западе разработка новых моделей происходит раз в полтора-два года и во многом зависит от стабильности экономики в этот период.

Литература

1. Бюллетень банковской статистики (ежегодник 2000-2013) – Национальный банк Республики Беларусь

2. Кредитный бюллетень за I полугодие 2014 года – Национальный банк Республики Беларусь

3. Скоринг (scoring) – [Электронный ресурс] – Режим доступа: http:// http://www.banki.ru/wikibank/skoring/- Дата доступа: 18.10.2014.

4. Опарина, Н.И. Использование скоринговых моделей для оценки кредитоспособности заемщика / Н.И. Опарина // Банковское кредитование. – № 5. – 2009. – С. 47-59.