Информационное письмо
Образец оформления статьи
Анкета автора
19.02.2016

Ранжирование заемщиков методами факторного анализа и математического метода анализа иерархий

Кудаев Азамат Висаитович
магистрант, кафедра информатики, Санкт-Петербургский государственный экономический университет, г. Санкт-Петербург, Российская Федерация
Аннотация: Факторный анализ заемщиков и их ранжирование по уровню кредитного риска,  позволяет банкам сделать однозначные выводы о выдаче/невыдаче кредита субъекту, испытывающему недостаток денежных средств. В условиях ограниченного экономического капитала банка требуется математический  инструмент по выбору альтернатив из готового ранжированного списка.
Ключевые слова: факторный анализ, Базельский комитет, математический метод анализа иерархий, оценка риска
Электронная версия
Скачать (495.1 Kb)

Вопрос отбора заемщиков всегда являлся краеугольным в банковском секторе. До недавнего времени, банки, ввиду благоприятной экономической среды и высокого уровня конкуренции выдавали займы в достаточно свободной форме. Однако, на фоне экономического кризиса, регулятивных требований и политических соображений, экономика РФ переживает сложные времена. Не все банки смогли справиться с изменениями, а те, что смогли – формирует новые стратегии, с целью «удержаться на плаву». Особое положение в этом вопросе занимают стратегии оценки кредитного риска, так как конкуренция именно в этой области может выдвинуть банк на качественно новый уровень деятельности и способствует повышению его конкурентоспособности.

Поскольку с проблемой оценки риска по невозврату кредита столкнулась не только РФ, но и остальной мир, то не так давно был созван Базельский комитет по банковскому надзору, который выдвинул ряд рекомендаций по оценки кредитного риска. Основная идея, заложенная в рекомендациях, заключена в том, что банкам самим следует оценивать своих заемщиков и формировать собственные «кредитные рейтинги» на базе которых, банк выносит решения не только касаемо выдачи/невыдачи кредитов, но также формирует кредитные портфели разных уровней риска/отдачи, пересматривает кредитную политику и так далее.

Базельский комитет настаивает на том, чтобы банки, при формировании рейтингов, действительно использовали лишь внутренние инструменты оценки. Стремления Базельского комитета понятны – наплыв сторонних рейтинговых агентств по оценке заемщиков, приводит к дестабилизации экономики в целом. Более того, банки, которые целиком полагаются на рейтинги сторонних агентств и лишенные собственного инструментария оценки риска, не в силах рационально распоряжаться свои экономическим капиталом: там, где по совету рейтинговых агентств банк кредитует ненадежных заемщиков, имеется возможность высвободить часть средств на формирование рациональных портфелей и высокодоходные спекулятивные операции.

Целью нашего исследования является предложить банку базис, математическую основу по формированию внутреннего рейтинга заемщиков. Формирование рейтинга и отбор заемщиков из этого рейтинга поддерживается двумя разными инструментами: на этапе формирования рейтинга, исследователь предлагает использовать факторный анализ заемщиков, а на этапе формирования кредитных портфелей – математический метод анализа иерархий.

Суть факторного анализа в том, чтобы сформировать независимую, обособленную среду ранжированных заемщиков, рациональным способом, то есть без общностей, взаимозависимостей и субъективных оценок. На базе факторного анализа, требуется сформировать некоторый общий шаблон, заполнив который, отдельно взятого заемщика можно будет определить в какую-либо рисковую категорию (рисковый уровень), либо в принципе исключить из списка потенциальных заемщиков, если категория, к которой был отнесен заемщик, в известной степени высокорисковая.

Прежде чем приступать к разъяснению факторного анализа, исследователь должен отметить, что заемщик, прежде всего, проходит этап преселлекционного отбора, что является некой предварительной отправной точкой по распределению заемщика по уровню риска. На данном этапе происходит быстрая проверка платежеспособности, дохода, возможно наличие поручителей, залога и прочее.

Для следующего этапа – ранжирования, необходимо иметь в наличии готовый шаблон, позволяющий распределить заемщика по уровню риска. Здесь нам пригодится факторный анализ.

Факторный анализ визуально можно разбить на несколько этапов. Для начала, требуется сформировать некую статистическую выборку. Данная выборка формируется на базе того, что требуется выявить зависимость между отдельно взятым экономическим параметром и риском по банкротству заемщика (риском того, что он не сможет в полной мере выплатить кредит). В основе отбора таких параметров лежит ряд принципов, которые имеет смысл соблюдать в целях формирования рациональной выборки, для дальнейшего исследования.

  • Необходимо соотносить область отдельно взятой рейтинговой группы с конкретным заемщиком. То есть, вообще говоря, заемщик с высоким уровнем заработной платы не может состоять в той же рейтинговой группе, что и заемщик с низкой оплатой труда;
  • Формирование рейтинговых групп и выборки подразумевает исследование пула данных, по уже случившимся банкротствам заемщиков. Ввиду этого следует не только приводить большое количество прецедентов по невозврату, но также не забывать о качестве и доказуемости подобных случаев;
  • В анализ выборки не включаются нерегламентированные банком данные, которые могли бы быть в дальнейшем использованы для формирования факторного листа. В дополнение к этому, исключаются аномальные данные;
  • Помимо учета случаев по невозврату кредита, также учитываются и случаи по благоприятному для банка исходу. Соотношение таких исследуемых данных выбирается ответственным лицом;
  • Поскольку выборка формируется не один раз, а с каждым случаем учета заемщиков дополняется и обновляется, имеет смысл использовать уже накопленные данные.

Следующим этапом формируется расширенный лист факторов. Основным требованием на данном этапе является определение как можно большого числа подходящих факторов, но с учетом того, что предпочтение отдается количественным факторам, нежели качественным. Дело в том, что качественные факторы, такие как, предположим – образование заемщика, организованность компании, уровень взаимодействия департаментов – могут привести к излишнему субъективизму оценки заемщика, а то время как количественные факторы дают достаточно объективную, точную оценку.

Далее формируется сокращенный список факторов. Для отбора факторов из расширенного списка в сокращенный существуют специальные требования:

  • Между фактором и риском по банкротству заемщика должна существовать прямая линейная связь (связь, которую можно определить и исследовать);
  • Должны существовать известная степень корреляции между фактором и исследуемой переменной (обычно, допустимой степень корреляции считают 0,8 , однако на фоне ужесточающейся конкуренции и наплыва все большего числа заемщиков, банки могут считать доверительной и более высокую степень корреляции);
  • Необходимо, чтобы между исследуемым фактором и другими принятыми или принимаемыми факторами отсутствовала коллинеарность (так называемая, мультиколлинеарность). Присутствие таковой приводит к повторяемости или дублированию информации и данных, на основе которых производится распределение заемщиков.

Последним этапом производится многофакторный анализ, в частности – регрессионный анализ, который по сути позволяет выявить, как сильно отобранные факторы влияет на риск по банкротству контрагента. Если оказывается, что отобранные факторы имеет существенное значение в прогнозировании риска банкротства, то их следует принять для формирования рейтинговых групп заемщиков.

Не смотря на то, что вышеописанный анализ позволяет в достаточно полной и по существу - необходимой форме осуществить отбор и распределение заемщиков по кредитным портфелям, на фоне необходимости высвобождения все большой части экономического капитала банка на развитие и высокодоходные операции, приходится производить выбор по уже рационально сформированному списку. Преследуя данную цель, имеет смысл использовать инструмент математического метода анализа и иерархий, который позволяет из всего спектра имеющихся альтернатив отобрать более предпочтительные в рамках формирования отдельных кредитный портфелей.

Задача выбора альтернатив представляется в виде иерархии. Определяются цель(формирование участников рейтинговой группы), критерии(информативность, влияние на параметр, количество успешных случаев и так далее) и собственно, предлагаемые альтернативы(отдельные заемщики).

Выстраивается матрица субъективных суждений (следует отметить, что в нашем исследовании, в котором по требованию должны преобладать количественные параметры – матрица будет носить практически жестко объективный характер). В такой матрице, критерии сравниваются между собой, по степени их влияния на риск по банкротству. Далее, формируется очередная матрица, в разрезе отдельно взятых альтернатив (заемщиков), где каждый критерий сравнивается с остальными относительно каждого заемщика.

Более того, возникает необходимость производить анализ чувствительности отобранных альтернатив к изменению значимости отдельных критериев. 

Рисунок 1 – Анализ чувствительности.

Рисунок 1 – Анализ чувствительности.

Случай изменения значимости критерия может возникнуть, предположим, при увеличении или уменьшении числа отобранных фактов банкротства, при смене числа используемых экономических параметров. Из рисунка 1 можно проследить пример проведения анализа чувствительности. Приведенные доводы доказывают адекватность предлагаемого решения.

Список литературы

1. Банковское законодательство : учеб. / под ред. Е. Ф. Жукова. – М.: Вузовский учебник, 2007.

2. Владимирова. М. П. Деньги, кредит, банки : учеб. пособие / М. П. Владимирова. – 3-е изд., перераб. и доп. – М. : КНОРУС, 2007.

3. Галицкая, С. В. Деньги, кредит, финансы : учеб. / С. В. Галицкая. – М.: Эксмо, 2009.

4. Деньги, кредит, банки : учеб. / под ред. Г. Н. Белоглазовой. – М.: Высшее образование, 2008.

5. Деньги, кредит, банки. Экспресс-курс : учеб. пособие / под ред. О. И. Лаврушина. – 3-е изд., перераб. и доп. – М. : КНОРУС, 2009.

6. Климович, В. П. Финансы, денежное обращение и кредит: учеб. / В. П. Климович. – 3-е изд., перераб. и доп. – М.: ИД «ФОРУМ»: ИНФРА-М, 2008.

7. Селищев, А. С. Деньги. Кредит. Банки / А. С. Селищев. – СПб.: Питер, 2007.

8. Тютюнник, А. В. Банковское дело / А. В. Тютюнник, А. В. Турбанов. – М.: Финансы и статистика, 2006.

9. Минаков В.Ф., Паутова В.П., Сафарян А.А. Методика финансового анализа доходности инноваций // Nauka-rastudent.ru. – 2015. – № 03 (015-2015) / [Электронный ресурс] – Режим доступа. – URL: http://nauka-rastudent.ru/15/2485/. – С. 7.

10. Радченко М.В., Баша Н.В., Мельникова Е.Ф. Интеграционный механизм хеджирования инновационных проектов // Nauka-Rastudent.ru. – 2015. – № 3 (15). – С. 8.

11. Мельникова Е. Ф. Формирование статистической базы для нормирования труда в российских проектных организациях // Современные проблемы науки и образования. – 2014. – № 5; URL: www.science-education.ru/119-14794 (дата обращения: 12.08.2015).

12. Безкоровайный В.П., Дроздов С.В. Управление системным инжинирингом объектов нефтегазовой промышленномти // Труды Российского государственного университета нефти и газа им. И.М. Губкина. – 2010. – № 2. – С. 101-106.

13. Минаков В.Ф., Корчагин Д.Н., Король А.С., Шевцов М.А. Пустахайлов С. К. Математическое моделирование автоматизированных информационных процессов // Вестник Северо-Кавказского федерального университета. – 2006. – № 3. – С. 15–19.

14. Аубакирова Г.М. Адаптация предприятий к рынку на основе интегрированных систем менеджмента // Труды Университета. – 2005. – № 2. – С. 69-73.

15. Томша П.П., Лобанов О.С., Минаков В.Ф. Основа для определения объективной оценки эффективности организационной структуры // Международный научно-исследовательский журнал. – 2015. – № 3-3 (34). – С. 89-90.

16. Черников Б.В. Информационный анализ при формировании систем нормативно-справочной информации // Известия ЮФУ. Технические науки. – 2015. – № 2 (163). – С. 70-82.

17. Заяц П.В. Инжиниринговые исследовательские практики аутсорсинга региональных систем // Социально-гуманитарные знания. – 2014. – № 12. – С. 14-18.

18. Граничин О.Н., Кияев В.И. Информационные технологии и системы в современном менеджменте. – Санкт-Петербург: Издательство ВВМ. – 2014. – 897 с.

19. Минаков В. Ф. Экономическая волнометрика воспроизводства // Nauka-rastudent.ru. – 2015. – № 02 (014-2015) / [Электронный ресурс] – Режим доступа. – URL: http://nauka-rastudent.ru/14/2424/. – С. 5.

20. Минаков В.Ф., Азаров И.В. Моделирование конъюнктуры инфотелекоммуникационного рынка // Terra Economicus. – 2006. – № 2. – С. 35–39.

21. Мельникова Е.Ф., Костюк Ю.С. Ресурсный менеджмент в проектировании // Международный научно-исследовательский журнал = Research Journal of International Studies. – 2015. – № 1-2 (32). – С. 62-64.

22. Гражданский Кодекс Российской Федерации (части первая, вторая и третья).

23. О банках и банковской деятельности: Федеральный Закон от 2.12.1990 №395-1-ФЗ (с изм. и доп.).

24. О страховании вкладов физических лиц в банках Российской Федерации: федеральный закон от 23 декабря 2003г № 52-ФЗ.

25. О Центральном Банке Российской Федерации: Федеральный Закон от 10.07.2002 г.№ 86-ФЗ (с изм. и доп.).

26. Глушкова, Н.Б. Банковское дело: учебное пособие/ Н.Б.Глушкова.- М.: Академический Проект;Альма Матер,2005.