бесплатно рефераты
 

Потребительский кредит

p align="left">- Идентификация - проверка Клиента в системе Банка на наличие кредитных продуктов Банка, проверка в черном списке.

- Скоринг - автоматизированная оценка кредитоспособности Клиента на основе набора характеристик Клиента.

- Верификация - процесс совершения телефонных звонков по указанным в Анкете-Заявлении телефонам, проверка Клиента по имеющимся базам данных.

5. Получение решения.

5.1 Получение отрицательного решения.

В программе формируется Уведомление Банка о невозможности предоставить Потребительский кредит.

5.2 Получение положительного решения.

При принятии Банком положительного решения о предоставлении кредита, Клиенту открывается Текущий кредитный счет.

6. Оформление соглашения о кредитовании.

Клиент и Агент подписывают документы. После подписания документов Агент подтверждает данное действие в программе. Затем направляет Клиента к сотруднику ТТ (в кассу магазина).

7. Оформление покупки.

Выдача приобретенного за счет кредита товара осуществляется сотрудником ТТ. Клиент при условии наличия первоначального взноса, оплачивает необходимую сумму наличными в кассу ТТ.

8. Подтверждение покупки.

На основании полученных Уведомлений от кассира ТТ Агент подтверждает в программе факт получения/не получения Клиентом товара.

9. Формирование пакета клиентских документов для передачи в банк.

Передаче в Банк подлежат клиентские документы по всем Клиентам, получившим положительное решение по кредитной заявке.

10. Оплата товара.

На следующий день после совершения покупки в автоматическом режиме происходит регистрация договора в Автоматической Банковской Системе Банка и привязка Локальной карты, выданной Клиенту, к его Текущему кредитному счету. Банк зачисляет на Текущий кредитный счет Клиента сумму предоставленного кредита.

Затем на основании Заявления на перечисление денежных средств, поданного Клиентом в Банк, последний перечисляет денежные средства на транзитный счет Торговой организации в счет оплаты приобретаемого Клиентом товара для последующего перечисления на расчетный счет Торговой организации.

2.3 Финансовые риски и методы их оценки в сфере потребительского кредитования

Свобода в принятии решений неизбежно сопровождается возникновением риска возможных потерь. Можно утверждать, что риск - оборотная сторона свободы предпринимательства. Риск связан с неопределенностью события и может приводить к колебаниям финансового результата для выбора альтернатив развития событий. Поэтому риск-менеджмент нуждается в методах количественной оценки рисков как в виде вероятностей наступления негативных событий, так и в виде конкретных финансовых потерь.

В соответствии с последним Базельским соглашением о капитале, известном как "Базель II", для расчета кредитных рисков рекомендуется стандартный подход и подход с точки зрения внутреннего рейтинга (IRB). Базельский комитет по банковскому надзору учел мнения многих специалистов и официально утвердил и рекомендовал к использованию при оценке рисков внутрибанковские модели. Наиболее распространенными являются методы оценки кредитных рисков.

При определении стоимости кредитного обязательства банк сначала рассчитывает величину процентной ставки, покрывающей ожидаемые убытки по кредиту, а затем подходящую маржу для кредитного риска, определяемую так, чтобы ставка доходности по капиталу, зарезервированному под кредит, удовлетворяла запросы банка (RAROC, Risk-Adjusted Return on Capital). Перечислим некоторые известные зарубежные подходы к решению этой задачи:

- вычисление ожидаемого убытка в условном множестве рейтингов;

- упрощенный метод вычисления кредитного риска, когда рассматриваются только два события - дефолт заемщика и отсутствие дефолта заемщика;

- подход, основанный на матрице переходных вероятностей, составленной по публикуемым рейтинговыми агентствами частотам дефолтов и частотами переходов из одной рейтинговой категории в другую;

- подход, основанный на вероятностном моделировании процессов убытков кредитного портфеля;

- структурный подход, основанный на учете макроэкономических факторов.

Существует и много других методов оценивания кредитных рисков. Но применение даже перечисленных подходов в российских условиях пока проблематично. Однако может быть полезно в качестве отправной точки при создании моделей, учитывающих отечественную специфику.

Среди наиболее распространенных на сегодня можно выделить методологию оценивания рыночных рисков "стоимость риска" (VAR, Value-at-Risk). Ее применение осуществляется по следующим направлениям: внутренний мониторинг рыночных рисков; внешний мониторинг рыночных рисков; мониторинг эффективности хеджа; анализ возможных трейдов "что если"; метод моделирования по историческим данным; метод Монте-Карло; метод анализа сценариев.

Хотелось бы сразу отметить, что VAR-метод не панацея от финансовых потерь. Он всего лишь помогает представить, являются ли риски, которым подвержена компания, теми рисками, которые она хотела бы на себя принять или думает, что она на себя приняла. VAR не может сказать управляющему компанией "сколько рисков надо взять", а может только сказать "сколько рисков уже взято". VAR может и должен использоваться не взамен, а в дополнение к другим методам анализа риска. К таким, например, как Shortfall-at-Risk (SAR) или "средняя величина убытка", когда интересуются не только граничной величиной капитала, ниже которой следует ожидать потери с определенной долей вероятности, а и размером потерь.

Математические методы оценки финансовых рисков.

Проведенный в ряде целевых работ вероятностный анализ показал низкую кредитную дисциплину заемщиков небанковского сектора. И, прежде всего, его резидентов.

Достоверной статистической информации о поведении заемщика, в том числе и внесенной в его кредитную историю, всегда мало. Поэтому для получения оценок кредитных рисков необходимо применение специальных методов математики. К тому же в российских условиях получение качественной информации о заемщиках осложняется имеющей место недостоверной и непрозрачной бухгалтерской отчетностью, сложившейся практикой всеобщего уклонения от налогов и т.д.

Рассмотрим специальные методы оценки кредитных рисков в условиях ограниченной статистической информации о заемщиках.

1. Заемщик много раз брал кредиты и всегда своевременно и полностью их возвращал. На первый взгляд, никаких рисков выдачи ему нового кредита ожидать не следует. Однако это не так. Из математической статистики известно, что отсутствие нарушений условий кредитного договора со стороны заемщика не затрудняет, а облегчает выборочную оценку вероятности невозврата кредита, которая (вероятность) в этом случае находится с помощью выражения:

Q=1/(n+1),

А выборочная дисперсия оценки находится с помощью выражения:

S(Q)=PQ/(n+2),

Где P=1-Q; n - количество ранее выданных и возвращенных кредитов.

2. Заемщик первый раз берет кредит, т.е. статистической информации для оценки его поведения в будущем в его кредитной истории нет. В этом случае среди отечественных и зарубежных специалистов распространено выражение 50%/50% или fifty/fifty т.е. вероятность возврата кредита равна вероятности его невозврата и равна 50%.

Тем не менее, теория вероятностей и математическая статистика дают и здесь конкретные аналитические выражения для расчета риска кредитора. Так, считается, что если ни одного наблюдения над заемщиком нет, следовательно, нельзя отдать статистического предпочтения никакой гипотезе о его поведении в будущем. Поэтому используется равномерное распределение. Обозначая через t текущее время, через T срок кредита и учитывая, что t изменяется от 0 до Т, получим конкретные аналитические выражения для следующих параметров данного распределения:

- среднее выборочное значение времени невозврата кредита равно М=Т/2;

- выборочная дисперсия времени невозврата кредита равна S=Т?/12;

- плотность вероятности времени невозврата кредита равна f(t)=1/T.

3. Заемщик хорошо известен кредитору, так как много раз брал у него кредиты. Однако не всегда и не полностью (например, в обесцененном виде) их возвращал. В этом случае статистической информации о заемщике в его кредитной истории недостаточно. Необходимые оценки проводятся известными классическими методами математической статистики. Лучше всего построить эмпирическую функцию распределения (ЭФР) времени невозврата кредита, которая является исчерпывающей характеристикой исследуемого случайного процесса, и легко вычисляются такие основные параметры, как выборочное среднее арифметическое времени невозврата кредита, выборочная дисперсия этого времени и др.

4. Заемщик известен кредитору только по нескольким случаям его кредитования с различными исходами, т.е. кредитная история заемщика имеет крайне ограниченную статистическую информацию. Тут мы имеем дело с малой выборкой , требующей для получения необходимых оценок применения специальных математических методов. Так как функция распределения (ФР) является исчерпывающей характеристикой случайного процесса, то все ниже описанные методы и направлены на построение ЭФР.

Понятие "малая выборка" определяется достоверностью получаемых результатов, что требует индивидуального подхода к каждой имеющейся реализации случайного процесса. Построение ЭФР по малым выборкам возможно на пути иного (принципиально отличающегося от классического) подхода, основанного на использовании априорной информации в виде, например, диапазона изменений финансовых потерь кредитора. Важную роль при этом играет то, что случайная величина не возводится в некоторый абсолют и ей не приписывается бесконечная плотность распределения, а считается, что данная случайная величина не единственно возможная (хотя и наиболее вероятная) и по соседству с ней могла возникнуть и другая случайная величина, т.е. в некоторой окрестности наблюдаемой случайной величины ее плотность равна нулю. Поэтому на наблюдаемом значении случайной величины строится не дельта-функция, а некоторая непрерывная функция, называемая "функцией вклада" или ядром. К.Фукунага и Е.Парзен детально рассмотрели аспекты построения ЭФР по малым выборкам и предложили 6 видов ядер. Рассмотрим некоторые из этих методов.

А. Первый метод выявления ФР по малому числу наблюдений основан на прямоугольном ядре. Задача была четко поставлена и решена В.В. Чавчанидзе и В.А. Кусмишвили еще в 1961 г., а затем над ее дальнейшим развитием и обоснованием работали отечественные ученые О.П. Березин, И.В. Еременко, А.Н. Свердлик и др. Указанные авторы полагали, что на основе малого числа данных можно приблизиться к ФР более эффективно, чем в случае применения классических методов математической статистики.

Идея Чавчанидзе и Кусмишвили состоит в использовании некоторой дополнительной информации относительно неизвестного истинного распределения и при построении ЭФР учете флюктуационного характера реализующихся на опыте значений исследуемой случайной величины. В данном рассмотрении реализациями случайной величины являются финансовые потери кредитора на моменты, например, полного прекращения выплат заемщиком по своим кредитным обязательствам. Дополнительная априорная информация о возможной плотности распределения должна характеризовать границы кривой распределения и отсутствие скачков функции плотности вероятности внутри этих границ. Интервал возможных финансовых потерь кредитора всегда известен, т.е. минимальные потери равны нулю, а максимальные - равны размеру кредита с процентами по договору.

При построении ЭФР отдельным осуществившимся на опыте значениям финансовых потерь не приписывается особой значимости, т.е. не следует считать их абсолютными носителями информации о теоретической ФР.

Классический метод выявления вида ФР также учитывает случайный характер конкретных значений случайной величины, когда после построения ЭФР производится сглаживание кривой для определения закономерности ее хода и освобождения от несущественных отклонений.

Б. Вторым методом выявления вида ФР при малом числе наблюдений является метод снижения неопределенности, где в отличие от метода прямоугольных вкладов предложено информацию от каждой реализации распределять не в интервале вклада, а распределять равномерно скачок вероятности от каждой реализации на весь интервал между соседними реализациями случайной величины. В общем виде ЭФР здесь имеет вид кусочно-линейной кривой, изменяющейся от 0 до 1.

В. Третий метод выявления вида ФР по малому числу наблюдений - метод Джонсона, где ведется два ряда значений случайных величин: значения поступлений от кредитного портфеля до полного прекращения выплат по ссудам заемщиками и значения поступлений от заемщиков, продолжающих нормально производить выплаты по кредитам. Образуется общий вариационный ряд, в котором учитываются не только заемщики, прекратившие выплаты по ссудам, но и заемщики, продолжающие нормально работать.

Г. Четвертый метод - метод Фишбера. Для построения ЭФР здесь используется ранжированная диаграмма, на которой реализации поступлений от кредитного портфеля кредитора до полного прекращения выплат заемщиками по их кредитам и реализации поступлений от продолжающих нормально работать заемщиков обозначаются разными значками.

Вышеописанные методы выявления вида ФР были объединены в систему, где ординаты искомой ФР находились как среднее арифметическое от оценок ординат отдельными методами, т.е. осуществлялась комплексная обработка оценок различных ординат с одинаковыми "весами". Для оценки согласия получаемой ЭФР с одной из теоретических ФР использовался критерий Крамера-Мизеса. Моделировались малые выборки с различными ФР. В результате моделирования выявлено, что при количестве наблюдений n=1 вероятность правильного выявления вида ФР Р=0,25, при n=3 Р=0,6, при n=8 Р=0,9 и т.д.

Методы оценки финансовых рисков по их индикаторам.

Началом оценки финансовых рисков по индикаторам является этап обнаружения, когда осуществляется необходимая активизация структур риск-менеджмента и ориентация их на работу с конкретным риском или рисками. И чем раньше начнется этот этап, тем шире будут возможности его методов, тем эффективнее будут действия менеджмента.

Индикаторы рисков представляют собой сигналы раннего оповещения о возможной потенциальной негативной ситуации. Данные индикаторы практически не требуют значительных организационных усилий и финансовых затрат по их обнаружению и идентификации и включению в оперативные циклы риск-менеджмента. Основная задача индикаторов - дать информацию об инициировании и активизации нестабильных агрессивных факторов окружающей среды и о возможно формирующихся и усиливающихся рисках. Область действия и спектр индикаторов могут быть очень широкими.

Использование индикаторов в качестве информационных инструментов риск-менеджмента предполагает их группировку, классификацию и ранжирование. Наиболее интересными для рассмотрения возможностей применения индикаторов при оценке рисков являются бизнес-структуры, население (физические лица) и банки. В специализированной литературе представлено довольно много разработок и предложений по оценке индикаторов рисков. В качестве примера для проведения расчетов банковских рисков здесь используются индикаторы рисков из работы Ю.Ю. Русанова. Индикаторы банковских рисков играют в банковском риск-менеджменте особую роль. Банки могут использовать их как по отношению к своим клиентам, так и в качестве информационных инструментов внутреннего контроля и аудита. В качестве математического аппарата для решения задачи количественной оценки финансовых рисков по их индикаторам будем использовать теорему Байеса.

Предположим, что в нашем распоряжении имеется несколько несовместимых гипотез Н1, Н2,…Нn для объяснения некоторого явления. Хотя бы одна из них должна объяснить указанное явление. Гипотезы проверяются при помощи некоторого эксперимента. Перед началом эксперимента очень трудно определить априорные вероятности гипотез. Экспериментатор приписывает им (гипотезам) вероятности, пропорциональные степени их правоподобия для него лично. Цель эксперимента - разумная коррекция доопытных вероятностей. Результатом опыта является замена доопытных вероятностей послеопытными. Короче, на основе опыта аккумулируется и меняется наша вера в различные гипотезы, ослабляя степень доверия к одним и усиливая веру в другие. И чем больше накапливается оснований для изменения степени доверия к различным гипотезам, тем меньше остается произвола в выборе какой-то гипотезы.

При оценке риска мы должны определить вероятность какого-то негативного события. Обозначим вероятность этого события через Q. Для события Q имеется n индикаторов, которые обозначим через Нi (i= 1,…n). По сути дела, эти индикаторы гипотезами для события Q. Степень опасности каждого индикатора (гипотезы) оценивается как: "очень высокая", "высокая", "средняя", "низкая", "случайная".

Переходя к условным вероятностям и обозначениям Байеса, запишем очевидные соотношения:

- Р(Нi)

- вероятность (опасность) i-го индикатора (гипотезы);

- Р(Q/Hi)

- вероятность события Q при условии реализации i-го индикатора (гипотезы);

- Р(Нi*Q)=P(Hi)P(Q/Hi)

- вероятность пересечения i-го индикатора (гипотезы) и события Q, где знак * - логическое "И";

- Р(Нi/Q)=P(Рi*Q)/P(Q)

- вероятность i-го индикатора (гипотезы) при условии реализации события Q;

- Р(Q)=(SUM)P(Hi*Q)

- вероятность события Q, где (SUM) - программное обозначение суммы для i=1 до n.

Таким образом, выяснены теоретические выражения для количественной оценки вероятности события Q, представляющего в нашей работе событие негативного характера или риск. Для кредитного риска такое событие, например, - отказ заемщика от выплат по кредиту.

Если математические методы дают исторические оценки финансовых рисков, то индикаторные дают нам текущие оценки этих рисков. Наиболее достоверные оценки ожидаемых финансовых рисков можно получить путем комбинирования исторических математических оценок с текущими индикаторами.

Комбинированные методы оценки финансовых рисков.

Задача объединения оценок вероятностей появления события Q по нескольким оценкам вероятности события qi(i=1,2,…k) состоит в определении вероятности события Q как функции от нескольких его предыдущих оценок:

Q=(q1,q2,…qk)

В зависимости от имеющейся информации о дисперсиях оценок возможны и различные методы их объединения. Рассмотрим линейный метод объединения для случая, когда оценки qi(i=1,2,…k) являются несмещенными с известными дисперсиями D1, D2,…Dk. В качестве оценочной функции применим линейную комбинацию:

Q=(SUM)aiqi,

Где (SUM) - сумма от i=1 до i=k. Если коэффициент аi в сумме составляет 1, то объединенная оценка Q будет несмещенная.

Значения коэффициентов аi, обеспечивающих минимум дисперсии D для оценки Q, можно найти по выражению:

ai=1/Di((SUM)1/Di)

Окончательное выражение для объединения оценок имеет вид:

Q=(SUM)qi/Di((SUM)(1/Di))

Дисперсия комбинированной оценки находится по выражению:

D=1/((SUM)(1/Di))

В случае объединения двух оценок выражение для объединения оценки х с дисперсией Dx с оценкой у и дисперсией Dy имеет вид:

Q?=xDy/(Dx+Dy)+yDx(Dx+Dy)

Дисперсия этой оценки:

D?=DxDy/(Dx+Dy)

Текущее комбинированное оценивание финансового риска на основе превалирующей экспериментальной (математической) оценки риска позволяет достаточно быстро установить в количественном виде как степень опасности всех обнаруженных индикаторов риска, так и каждого индикатора в отдельности. Применение данного метода оценки рисков актуально по всем направлениям финансовой деятельности и особенно по линии потребительского кредитования И. Готовчиков. Финансовые риски. // РИСК. 2006 г. №35. С. 23..

III. Современное состояние рынка потребительского кредитования и перспективы его развития

3.1 Потребности и предпочтения населения России на рынке кредитных услуг

Финансовое поведение граждан в Советском Союзе на протяжении многих десятилетий было достаточно очевидным и легко предсказуемым. Имевшая место в стране ситуация товарного дефицита не позволяла населению в полной мере реализовывать свои потребности в товарах и услугах, поэтому значительная часть сбережений была вынужденной. Выбор инструментов для их осуществления был крайне ограничен -наличные рубли и Сбербанк. Кредитная система также была недостаточно развита: предприятия через профсоюзные кассы взаимопомощи предлагали своим сотрудникам беспроцентные ссуды, материальную помощь. Следствием всего этого являлся недостаток финансового опыта у основной массы граждан.

Ситуация резко изменилась в 1990-х годах с началом в России экономических реформ. У россиян появилась возможность свободно покупать и продавать иностранную валюту, ценные бумаги, вкладывать деньги в коммерческие банки. Актуальными стали проблемы эффективности и безопасности вложений. Одновременно увеличилась потребность в кредитах. За 2004 год задолженность населения по кредитам увеличилась с 44,7 до 94,7 млрд. руб., в 2006 году еще почти на 50 млрд. руб. (около 50% за год). Все большее число банков и других финансовых организаций разрабатывает специальные программы, предлагая физическим лицам кредиты на неотложные нужды, образование, приобретение недвижимости, товаров длительного пользования и т.д.

Рост предложения кредитных услуг российскому населению обусловлен не только институциональными изменениями в экономике и кредитно-финансовой сфере, но и, что гораздо более важно, постепенным изменением у людей ценностно-нормативных установок по отношению к долгу и кредиту. Происходит обращение к западным моделям финансового поведения, где благодаря стабильной денежной системе и стабильным законам граждане могут достаточно легко брать кредиты, а при совершении покупок рассчитываться по кредитной карте. Проведенное в 1996 году Институтом социально-экономических проблем народонаселения РАН исследование сберегательного поведения населения (руководители - И. Дискин, Н. Римашевская) показало, что и в России одним из способов трансформации наличных сбережений в инвестиции становится развитие систем кредитования, расширение потребительского и ипотечного кредита.

Страницы: 1, 2, 3, 4, 5, 6, 7


ИНТЕРЕСНОЕ



© 2009 Все права защищены.