Отчет по практике в ЗАО «ВТБ 24»

Для развития данных программ банкам необходимо:

- снижение процентных  ставок, как фактора повышения  спроса;

- страхование финансовых  рисков под возможные потери;

- создание кредитных бюро  на всей территории России;

- тесное взаимодействие  с торговыми и страховыми организациями;

- развитие технологий  банковской инфраструктуры.¹³

2.3 Совершенствование кредитной политики ЗАО «ВТБ-24»

в области кредитования физических лиц

Помимо расчета платежеспособности¹⁴ Заемщика предлагается при предоставлении банком потребительского кредита использовать модель бальной оценки кредита. В этом случае потенциальному заемщику предлагается заполнить специальные стандартные анкеты. Баллы начисляются в зависимости от возраста, пола, семейного положения, месячного дохода, оседлости, занятости в конкретной отрасли и срока работы на определенном месте, наличия сберегательного счета в банке, недвижимости, страхового полиса и т.д. Для принятия положительного решения необходимо, чтобы итоговая сумма баллов превысила определенный уровень.

Упрощенная модель бальной  оценки заемщика потребительского кредита, основана на девяти факторах:

1) возраст заемщика: 0,01 балла за каждый год сверх 20 лет при максимуме 0,3 балла;

2) пол: 0,4 балла – женский; 0 – мужской;

3) оседлость: 0,042 балла за каждый год, прожитый в данной местности, при максимуме 0,42 балла;

4) занятость: 0,55 балла за профессию с низким уровнем риска для жизни; 0 – с высоким риском, 0,16 балла – за все остальные профессии;

5) отрасль: 0,21 балла для работников коммунальных служб, государственных и банковских служащих, 0 – для всех остальных;

6) стабильность занятости: 0,059 балла за каждый год на данном месте работы при максимуме 0,59 балла;

7) наличие сберегательного счета в банке: 0,35 балла;

8) наличие недвижимости: 0,35 балла;

9) страхование жизни: 0,19 балла.

Критической в данной модели является сумма в 1,25, т.е. если итоговый балл клиента ниже указанного уровня, ему кредит предоставлен не будет.Это позволит ЗАО «ВТБ-24» не только рассчитать платежеспособность клиента, но также и учесть дополнительные риски при потребительском кредитовании.

2.4 Внедрение новых кредитных технологий

Кредитный скоринг¹⁵ используется для автоматизации потребительского кредитования. Кредитный скоринг широко применяется с 1966 года для принятие решения о выдаче/невыдаче кредита. Под кредитным скорингом понимается формальный метод принятия решения о выдаче/невыдаче кредита или максимальной сумме выдаваемого кредита. Классические методы кредитного скоринга опираются на кредитную историю. Тем, не менее, несмотря на то, что данная технология известная достаточно давно, не все банки ее применяют.

Внедрение данной технологии особенно актуально для ЗАО «ВТБ-24»  в связи с тем, что одной  из приоритетных сфер деятельности ЗАО  «ВТБ-24» является расширение клиентского  кредитования. Увеличение объема кредитного портфеля планируется как за счет расширения лимитов кредитования основных заемщиков, так и за счет привлечения  новых клиентов.

Решение состоит в создании адаптивных систем кредитного скоринга, опирающихся на демографическую, ситуационную и историческую информацию. Демографическая информация - это анкетная информация о клиенте. Ситуационная информация - информация о том за каким кредитом, в какое место и время пришел клиент. В случае револьверного кредитования такая информация отсутствует. Историческая информация - информация об истории финансовых операций с клиентом. Пока что в большинстве случаев такая информация отсутствует.

С полученной информацией  производится два основных действия - проверка информации (банки не хотят  выдавать кредит тому, кто их обманывает) и кредитный скоринг.

Проверка информации должна включать:

- проверку информации  на полноту и непротиворечивость (в случае необходимости информация  уточняется);

- проверка информации  по внешним базам данных. В  большинстве случаев банк может  получить базы для проверки  демографических данных таких,  как прописка и владение автотранспортом. 

- проверка информации  на соответствие данных данным  других анкет. Такие проверки  могут выявить, например, ситуацию, когда жена уже получила кредит, а муж подал заявку на еще  один потребительский кредит.

Для скоринга обычно предлагается использовать нейронную сеть. Свойство универсальной аппроксимации нейронной сети говорит о том, что она работает по крайней мере не хуже любого наперед заданного метода или модели кредитного скоринга. Нейронная сеть обучается на конкретных демографических и ситуационных данных. Система реализует отработанный и содержательный бизнес-процесс работы с клиентом в части предоставления им продуктов (как правило, кредитов того или иного вида). Бизнес-процесс может быть настроен на условия в конкретном банке.

Назначение данной системы  в следующем:

- создание единой базы  данных по клиентам Банка, зарегистрированных  в рамках Системы; 

- автоматизация процессов  регистрации и обработки заявок  клиентов Банка на предоставление  Продуктов в рамках Системы; 

- автоматизация процесса  принятия решения о кредитоспособности  клиентов на основе процедуры  скоринга;

- обеспечение целостности  информации по клиентам в Системе; 

- накопление кредитной  истории клиентов Банка;

- автоматизация процедур  управления продуктами;

- обеспечение целостности  информации по кредитам в Системе; 

Система выполняет следующие  функции:

- регистрация и ведение  заявок клиентов на предоставление  Продукта;

- выполнение проверок  зарегистрированных заявок;

- выполнение расчета кредитного  рейтинга клиента (скоринг);

- регистрация и ведение  информации о клиентах;

- управление статусами  клиентов;

- сбор информации о  клиентах от других модулей  Системы; 

- регистрация событий,  связанных с жизненным циклом  клиента;

- регистрация и ведение  информации о кредитах.

Предлагается разработка и внедрение системы скоринга, позволяющей оценивать кредитный риск заемщика и всего кредитного портфеля на основании уникальной модели, адаптивной к данным. Модель скоринга физических лиц может базироваться на анкетных данных заемщиков, экспертных знаниях менеджмента банка, численных оценках, полученных на статистике «плохих» и «хороших» кредитов, численных оценках, построенных на объективной региональной и отраслевой информации.

В результате работы модели по оценке конкретного заемщика формируется  кредитный портрет потенциального заемщика, позволяющий производить:

• процедуру разделения потенциальных заемщиков на «плохих», которым не может быть выдан кредит, и «хороших», которым кредит может быть выдан;
• расчет индивидуальных параметров кредитной сделки для конкретного заемщика (лимит, процент, срок, график погашения кредита);
• расчет риска и управление кредитным портфелем по всем ссудам, выдаваемым частным лицам.

Ключевые преимущества от внедрения скоринговой системы:

• Эффективная оценка и постоянный контроль уровня рисков конкретного заемщика.
• Снижение влияния субъективных факторов при принятии решения о предоставлении кредита. Обеспечение объективности в оценке заявок кредитными инспекторами во всех филиалах и отделениях банка.
• Оценка и управление риском портфеля кредитов частным лицам банка в целом, включая его отделения. Учет, при определении параметров новых кредитов, уровня доходности и риска кредитного портфеля.
• Реализация единого подхода при оценке заемщиков для различных типов кредитных продуктов банка (экспресс-кредиты, кредитные карты, потребительские кредиты, автокредитование, ипотечные кредиты
• Резкое расширение, за счет кастомизации кредитных продуктов, состава и численности кредитуемых лиц.
• Сокращение численности банковского персонала, экономия за счет использования персонала более низкой квалификации.
• Контроль всех шагов рассмотрения заявки.
• Анкетные данные по всем имеющимся заемщикам банка в разрезе возвратов и невозвратов долга, а также по просроченным выплатам процентов и основной суммы долга.

 

 

3. ЗАДАНИЕ ПО ПРАКТИКЕ

3.1 Анализ деятельности

Основные показали, характеризующие деятельность банка ВТБ 24 за январь – октябрь 2011г.

Месяц	Объем, выданных потребительских кредитов, млн.руб.	Темп  роста	Просрочка по потребительским кредитам, млн.руб.	% просрочки
январь	382 851		20 989	5,48%
февраль	381 258	-0,42%	21 993	5,77%
март	388 269	1,84%	22 859	5,89%
апрель	396 306	2,07%	23 264	5,87%
май	410 332	3,54%	23 444	5,71%
июнь	425 067	3,59%	24 085	5,67%
июль	441 989	3,98%	24 542	5,55%
август	458 377	3,71%	25 043	5,46%
сентябрь	474 719	3,57%	25 843	5,44%
октябрь	493 140	3,88%	27 338	5,54%
ИТОГО	4 252 308

 

Как видно из приведенной выше таблицы, ежемесячный прирост выдаваемых Банком потребительских кредитов колебался  от 1,8 до 4%. Причем, в  первом квартале динамика была самой низкой. Что  же касается статистики по просроченным кредитам, то здесь можно отметить следующую закономерность: с увеличением  количества выдаваемых потребительских  ссуд абсолютные показатели просрочки  так же увеличиваются, при этом, её доля остается примерно на одном и  том же уровне, не превышающем 6%.

 

 

3.2 Практические расчеты

 

Задача 1.

3,5%*30000=1050

(12%*30000)*4=14400,вклад под 12% выгодней

 

Задача 2.

Организация получила кредит в размере 160000 рублей на оплату офисной мебели под 17% (процентов) годовых; единовременная комиссия составляет 3% (процента) от суммы  кредита. Срок 1 год (с 20.10.2010 по 19.20.2011). Рассчитать сумму (с процентами) к уплате.

Решение:

160000*17%*365/365 = 27200 руб. - % за кредит

160000*3% = 4800 руб.  – единовременная комиссия

160000+27200+4800 = 192000 руб. – сумма с процентами

Ответ: сумма к уплате составит 192000 рублей.

 

 

 

Заявление анкета

Заключение о выдаче кредита(решает кредитный комитет)

Рспоряжение о кредитовании (кредитный инспектор,глв.бух)

Кредитный договор

Договор залога (поручительства)

Опись заложенного имущества 

Мемориальные ордер (о  выдаче кредита на счет,об оприходовании обеспечения,о созднии резерва РВПС)

 

АКТИВЫ			2010 (тыс)	%			2011(тыс)	%
Денежные средства		36 402 274			234	39 570 860			255
Средства кредитных организаций  в ЦБ РФ		7 001 004			79	14 155 599			159
Обязательные резервы		585 136			17	4 286 194			127
Средства в кредитных организациях		52 807 721			1360	3 335 220			86
Чистые вложения в ценные бумаги, оцениваемые по справедливой стоимости  через прибыль или убыток		28 803 904			115	53 451 210			213
Чистая ссудная задолженность		455 798 210			175	564 821 327			216
Чистые вложения в ценные бумаги и другие финансовые активы, имеющиеся  в наличии для продажи		369 026			101	369 772			101
Инвестиции в дочерние и зависимые  организации		32 520			100	32 510			100
Чистые вложения в ценные бумаги, удерживаемые до погашения		6 279 933			100	6 862 398			109
Основные средства, нематериальные активы и материальные запасы		6 493 997			142	8 945 785			195
Прочие активы		7 687 730			187	16 953 502			413
Всего активов		601 643 799			186	708 465 673			219