Введение

В современных условиях хозяйствования финансовый сектор, в том числе такая его составляющая, как кредитные институты (банки), является важнейшим инфраструктурным элементом, способствующим укреплению и всестороннему развитию рыночной экономики. По прогнозам специалистов «через два-три года кредитами будут пользоваться до 35 % жителей страны, а через 7-10 лет Россия достигнет уровня западных стран по показателю охвата населения этой услугой».
Однако в настоящее время отечественные кредитные учреждения при наличии достаточного потенциала и высокой потребности реального сектора в кредитных ресурсах все еще недостаточно активно увеличивают объемы своих кредитных операций, в результате чего наиболее активные субъекты хозяйствования вынуждены сами финансировать инвестиционный процесс.
В целом, банки выступают в роли своего рода «кровеносной системы» экономики, поэтому важно, чтобы банковская система государства функционировала без сбоев, стабильно и эффективно. От ее устойчивого развития во многом зависит успешность экономической деятельности предприятий и организаций, спокойствие и уверенность граждан в сохранности своих сбережений.
Макроэкономическая стабилизация в стране, укрепление банковской системы, постепенное снижение процентных ставок, усиление инвестиционной активности предприятий способствуют расширению масштабов деятельности банковской сферы и увеличению объемов кредитования реального сектора экономики. Вместе с тем кредитование, приносящее банкам в большинстве случаев основную долю доходов, генерирует и повышенный риск такой деятельности. Кредитный риск представляет собой наиболее существенную составляющую банковских угроз, поскольку большинство банковских банкротств обусловлено невозвратом заемщиками кредитов и непродуманной политикой банка в области рисков. Для того, чтобы выдержать усиливающуюся конкуренцию и эффективно работать с мелкими и средними предприятиями, которые зачастую являются более рискованными, чем крупные, банкам и другим кредитным организациям необходимо выстраивать «надежную систему оценки и анализа рисков, важнейшим из которых является кредитный риск».
Для отечественных банков данная проблема актуальна вдвойне, так как показатели просроченной и сомнительной задолженности по их кредитным портфелям в два-три раза превышают уровень аналогичных показателей банков развитых стран. Поэтому вопросы управления банковским кредитным риском, от своевременного решения которых зависит эффективность деятельности каждого конкретного банка и стабильность функционирования всей банковской системы страны, в сложившихся условиях приобретают первостепенное значение.
Несмотря на достаточно полное освещение в экономической литературе методических подходов к анализу отдельных сторон деятельности заемщика, до сих пор остаются неисследованными многие вопросы организации процесса кредитования, имеющие важное теоретическое и прикладное значение, в том числе это касается и проблем управления кредитным риском.
В связи с этим необходимость дальнейших исследований, направленных на разработку и совершенствование теоретико-методологических и организационно-методических проблем организации управления кредитным риском банка, обусловлена проблемами и потребностями как теории, так и практической деятельности банков и организаций реального сектора экономики.
Многоаспектный характер данной проблемы требует, при оценке ее разработанности, принимать во внимание не только учебные и научно-методические работы, непосредственно посвященные этой теме, но и связанные с разработкой теоретических аспектов проблемы кредита. В разработку теоретических и организационно-методических положений организации кредитной политики банка значительный вклад внесли такие российские и зарубежные ученые, как О.Н. Афанасьева, И.Т. Балабанов, А.В. Бугров, В.А. Гамза, С.Е. Егоров, В.Н. Едронова, В. Иванов, В.И. Колесников и Л.П. Кроливецкая, М-.Н. Крейнина, О.И. Лаврушин, В.А. Москвин, И.В. Пещанской, А. Саркисянц.
Отдельные проблемы управления кредитным риском исследуют такие авторы как Я.В. Алексеев, Р.С. Беляев, О. Колоколова, А.В. Мельникова и Ю.В. Шевчук, В.А. Путиловский, Э.А. Роузман, Е.П. Шустова.
Объект исследования: кредитный риск.
Предмет исследования: управление кредитным риском.
Цель: исследование процесса управления кредитным риском.
Задачи:
1. Определить понятие и виды кредитных рисков.
2. Осуществить анализ системы управления банковским кредитным риском.
3. Раскрыть практические методы прогнозирования дефолтов клиентов в условиях массового потребительского кредитования.
4. Проанализировать возможные пути совершенствования процесса кредитования.

Таким образом, использование оценок дефолтов клиентов без их прогноза нецелесообразно, так как это ведет к серьезным ошибкам. Поэтому необходима разработка методов практической математики в области прогнозирования ХСП (характеристик случайных процессов), описывающих дефолты заемщиков.
Для прогнозирования дефолтов клиентов необходимо сначала получить предварительные оценки случаев их неплатежей на основе имеющихся данных о прошлом поведении.
1. Методы прогноза по функциям распределения в условиях ограниченной исходной информации. Исчерпывающей характеристикой любого случайного процесса является его функция распределения (ФР). Это значит, что если у исследователя имеются реализации, например, времени до дефолта клиента или реализации финансовых потерь кредитора от дефолта клиента, то построение соответствующей ФР становится возможным. Если тех или других реализаций много, то ФР строится очень легко по общеизвестным методам математической статистики. В зависимости от желания исследователя ФР может быть построена в интегральном (кумулятивном) виде или в дифференциальном (плотностном) виде. Прогноз времени до дефолта клиента осуществляется по максимуму плотности соответствующей ФР.
Но в реальной действительности большого количества реализаций (тем более по одному клиенту) практически не бывает, что требует для оценки и прогноза дефолта клиента использовать специальные методы построения ФР.
Построение ФР по малым выборкам возможно с помощью иного, принципиально отличающегося от классического, подхода, основанного на использовании априорной информации в виде, например, пределов существования ФР, которые в данном случае известны. То есть при построении ФР времени до дефолта клиента – это закрепленные в договоре сроки кредита, а при построении ФР финансовых потерь кредитора от дефолта клиента – это размер выданного кредита. Важную роль играет то, что данная случайная величина здесь не возводится в абсолют, ей не приписывается бесконечная плотность распределения, а считается, что она – не единственно возможная (хотя и наиболее вероятная), и по соседству с ней могла возникнуть другая случайная величина, то есть в некоторой окрестности наблюдаемой случайной величины ее плотность не равна нулю. Поэтому на наблюдаемом значении случайной величины строится некоторая непрерывная функция, называемая «функцией вклада», или ядром. К. Фукунага и Парзен исследовали теоретические и практические аспекты построения ФР по малым выборкам и предложили 6 видов ядер. В бывшем СССР методы построения ФР по малым выборкам разработали В.В. Чавчанидзе и В.А Кусмишвили, а позднее и другие ученые.
Рассмотрим практическое применение описанного метода.
Пусть количество реализаций n = 0. Вроде бы, говорить о построении какой-то ФР нет смысла. Однако это не так. Отсутствие реализаций случайной величины говорит о том, что в данном случае не отдается предпочтения ни одной реализации, что, в свою очередь, говорит о наличии равномерного распределения с параметрами:
- средние выборочные M l = 7/2, М 2 = Q/2,
где M l – среднее время до дефолта клиента;
М 2 – средние финансовые потери кредитора от дефолта клиента.
Т – срок кредита;
Q – максимум финансовых потерь кредитора от дефолта клиента;
- плотности вероятности дефолта ? (t) = 1/Т или ? (q) = 1/Q,
где t, q — текущее время или финансовые потери;
- интегральные ФР F(t) = t/T, F(q) = q/Q,
Описанный случай отсутствия статистической информации о клиенте (п = 0) известен среди специалистов как 50% на 50% (fifty-fifty). Для снижения неопределенности в этом случае целесообразно строить ФР дефолта клиента, привлекая для этого данные о других клиентах с похожими характеристиками. В результате получаем ФР дефолта для группы клиентов с одинаковыми характеристиками. Эту ФР можно использовать и для прогноза дефолта клиента, о котором нет никакой предварительной информации.
При наличии таких данных для прогноза дефолта этого клиента можно построить ФР по одной его реализации (п = 1), по двум реализациям (п = 2) и т.д. З
апишем общее выражение для построения экспериментальной ФР дефолта клиента при ограниченной исходной информации о нем с использованием метода прямоугольных вкладов:

?n (x) = (1 / (n + 1)) (?0 (х) + ? ?хi (х))

где ?n (x) – плотность распределения дефолта клиента по n реализациям;
?n (x) – плотность распределения дефолта клиента при n = 0;
?хi – функция «прямоугольного вклада» с основанием d и точкой х, в центре основания;
х – время до дефолта или финансовые потери кредитора.
Возможно применение для построения ФР дефолтов клиентов и других известных методов из этой группы, таких, как «Метод снижения неопределенности», «Метод Фиш-бейна», «Метод Джонсона» и др.
Проведенное моделирование с использованием критерия согласия Мизеса показало, что при n = 1 вероятность выявления вида ФР Р = 0,25; при п = 3 Р = 0,6; при п = 8 Р = 0,9 и т.д.
2. Метод адаптивной фильтрации. Если исследователь использует в качестве прогнозирующей функции модель суммы наблюдений, то коэффициенты при наблюдениях (их также называют «весами») целесообразно находить методом адаптивной фильтрации. Суть его заключается в выборе начальной точки и движении к минимуму ошибки прогноза за счет итерационных уточнений весов наблюдений:

W = W + 2k?X,

где W, W – скорректированный и существующий вектор весов наблюдений;
k – «обучающая» константа;
? – ошибка прогноза;
X – вектор наблюдений.
3. Метод использования закона распределения Пуассона. Известно, что в принципе дефолт клиента является редким случайным событием. В то же время в математике есть закон распределения Пуассона, который также называется законом редких событий. Учитывая то, что дефолт одного клиента не зависит от дефолта другого, применение для прогноза дефолтов закона распределения Пуассона возможно и корректно, особенно при прогнозе количества дефолтов среди ряда заемщиков одного банка. Закон Пуассона табулирован, что облегчает расчеты прогнозируемых значений дефолтов клиентов. Аналитическое выражение закона Пуассона имеет вид:

Р (Д = к) = (?к е-?) / k,


где Р (Д = к) – вероятность возникновения k дефолтов Д;
? – интенсивность появления дефолтов.
Пусть, например, ? =0,5. Тогда вероятность отсутствия дефолтов (для k = 0) Р = 0,6065, вероятность одного дефолта (для к = 1) Р = 0,3033, для к = 2 Р = 0,0758, для к = 3 Р = 0,0126, для к = 4 Р = 0,0016 и для к = 5 Р = 0,0002. При этом, сумма вероятностей всегда равна 1. Прогноз дефолтов клиентов осуществляется по дискретной ФР Пуассона.
4. Метод движущейся средней. В случае стационарности протекающих дефолтных процессов для прогноза можно использовать метод движущейся средней в виде:

St+1 = (1 / n) (Хt + Xt-1 +...+X t-n+1),

где St+1 – прогнозируемое значение;
Xt – имеющиеся реализации дефолтов;
n – количество используемых реализаций в движущейся средней.
5. Метод полиномов. В определенных ситуациях для прогноза дефолтов клиентов можно использовать метод полиномов. Запишем общие выражения для прогноза при различных количествах имеющихся наблюдений n:

n = 1 St+1 = Хt
n = 2 St+1 = 2Хt - Xt-1
n = 3 St+1 = 3Хt - 3Xt-1 + Xt-2 и т.д.

6. Методы экспоненциального сглаживания. Экспоненциальное сглаживание (ЭС) означает сглаживание наблюдений с весами, экспоненциально падающими от последнего наблюдения к первому.
В методах ЭС используется предположение, что прогнозируемое значение некоторой функции может быть выражено рядом Тейлора. Члены ряда Тейлора выражаются формулами ЭС 1, 2,... порядка. Выражение метода ЭС для любого количества наблюдений имеет вид:

St+1 = ? Хt + ? (1 – ?) Xt-1 + ? (1 – ?)2 Xt-2 + ? (1 – ?)3 Xt-3 + ….

На практике наиболее часто используется метод ЭС 1-го порядка, который имеет вид:
St+1 = ? Хt + ? (1 – ?) St

где St – предыдущий прогноз.
Центральным моментом при работе по этому методу является выбор постоянной ЭС в диапазоне 0 < a < 1. Наилучшим способом поддержания оптимального значения постоянной ЭС при прогнозе является автоматическое управление, когда на каждом шаге прогноза рассчитывается новое значение этой величины. Можно также использовать следящий сигнал, по величине которого имеет смысл судить об эффективности осуществляемого прогноза.
7. Метод автокорреляции. Этот метод использует корреляционную функцию процесса, значения которого прогнозируются. Наилучшим прогнозом здесь является текущее значение случайного процесса, взятое в масштабе exp (-?t):
St+1 = ? Хt exp (?t)

где t – заданный период прогноза;

Заключение

Кредитный риск – набор факторов, связанных с вероятностью невозврата банку денег или неисполнения перед ним принятых обязательств банком, банком-контрагентом. Кредитный риск определяется, в первую очередь, как риск экономический, связанный с управлением финансовыми ресурсами. Однако в отличие от других видов экономических рисков он обладает специфическими чертами, важнейшей из которых является то, что он связан с движением кредита, принимающим вид ссуды или займа.
Кредитные риски можно классифицировать на основании следующих признаков: уровня осуществления анализа; сферы возникновения; типа заемщика; характера проявления риска; вида операции; характера действий заемщика; степени риска; степени управляемости риском.
Основой всего процесса управления кредитным риском является кредитная политика банка, так как она определяет цели и правила поведения банка на рынке кредитных услуг, содержит конкретный инструментарий, используемый банковскими специалистами при проведении кредитных операций. Банковское учреждение, разрабатывая кредитную политику, должно определиться в отношении субъектов, кредитных сделок, форм, видов и сроков кредитов, степени агрессивности кредитной политики, географии проводимых операций и типа рынков, отраслевой направленности и ценообразования по кредитам и др.
Измерению кредитного риска способствуют следующие основные показатели:
- соответствующая нормативу достаточность капитала банка;
- расчет максимального замера на одного заемщика;
- наличие необходимой информации о заемщике;
- методы оценки кредитоспособности самого заемщика («правило пяти С», «PARSER», CAMPARI);
- анализ финансовых показателей, раскрывающих структуру кредитных вложений (коофициент качества активов, процент кредитного риска, процент диверсификации кредита).
Данные показатели отражают, насколько высок уровень риска запрашиваемого кредита.
Таким образом, система управления банковским кредитным риском представляет собой совокупность элементов, субъектов и методов управления, строящихся в соответствии с проводимой банком кредитной политикой.
В рамках данного исследования проведено математико-статистическое моделирование работы ПС и на ее основе показана эффективность комплексирования прогнозов. Качество прогноза на основе ПС оценивалось по следующим основным критериям:
- средняя ошибка прогноза;
- дисперсия ошибки прогноза;
- коэффициент расхождения Г. Тейлора или относительная ошибка прогноза;
- коэффициент Дарбина-Уотсона для оценки степени корреляции между ошибками прогноза отдельными методами и др.
Моделируемая ПС состояла из следующих методов прогноза:
- Метод ЭС 1-го порядка;
- Метод линейной АР по одному прошлому значению процесса;
- Метод линейной АР по двум прошлым значениям процесса;
- Метод нелинейной АР 2-го порядка;
- Метод движущейся средней;
- Метод автокорреляции по трем прошлым значениям процесса.
В качестве комплексных методов прогноза в ПС использовались:
- средняя арифметическая прогнозов;
- средняя геометрическая прогнозов;
- средняя квадратическая прогнозов;
- средняя гармоническая прогнозов;
- средняя взвешенная прогнозов;
- средняя регрессионная прогнозов;
- средняя арифметическая нескольких комплексных прогнозов;
- средняя взвешенная нескольких комплексных прогнозов.
В целом показано, что средняя ошибка комплексного прогноза равна нулю. В 73 случаях из 100 комплексный прогноз лучше прогноза отдельным методом, а в остальных случаях комплексный прогноз не хуже.
Таким образом, главной проблемой любого кредитора является присущая процессу кредитования неопределенность, масштабы которой растут в условиях массового потребительского кредитования, что может привести к очередному банковскому кризису.
Предложено большое количество проверенных моделированием методов прогноза, внедрение которых в процесс массового потребительского кредитования дает количественную информацию о будущем поведении заемщиков, что снизит уровни неопределенности указанного процесса.
В целом, методики анализа кредитоспособности заемщиков, применяемые российскими коммерческими банками, свидетельствуют о важности объективной и достоверной оценки финансового состояния потенциальных заемщиков. Используются различные экспресс-методики анализа финансового состояния, а также анализ денежных потоков. Наряду с количественными показателями оценки кредитоспособности банки уделяют внимание и качественным показателям, внешним и внутренним факторам, влияющим на бизнес. Однако возможности анализа ограничены из-за отсутствия единой нормативной базы по разным отраслям экономики. Нет и отраслевых справочников или классификаторов, позволяющих достоверно отнести ту или иную организацию-заемщика к определенному классу кредитоспособности с учетом ее отраслевых особенностей, а также дающих банкам возможность оценить свой риск при предоставлении кредитных ресурсов. Российские коммерческие банки вынуждены опираться в основном на собственную информационную базу, уделяя больше внимания репутации заемщика, его кредитной истории, а не финансовым возможностям.
Таким образом, в России необходимо создать некую единую нормативную базу для определения кредитоспособности заемщиков, ввести доступные широкому кругу лиц рейтинги хозяйствующих субъектов, усовершенствовать методики определения кредитоспособности, включающие определенный набор частных показателей и расчет интегрального показателя, учитывающего влияние на кредитоспособность коммерческой организации различных количественных и качественных факторов.
Представляется, что совершенствование системы кредитования должно пойти по пути: создания системы кредитования, направленной на реализацию сущностных черт кредита и обеспечение коммерческих интересов участников кредитной сделки; реализации принципов кредитования (срочности, обеспеченности, платности, целевого характера) в увязке с принципами рационального кредитования, используемыми зарубежными банками; адаптации международного опыта кредитования к российской банковской практике; построения системы кредитования, основанной на более качественном планировании потребностей заемщиков в заемных средствах; приближения сроков кредитования к реальному движению материальных запасов и затрат; дифференциации процесса кредитования с учетом характера кругооборота средств предприятий; развития новых форм кредитования, соответствующих интересам и заемщика и банка-кредитора; усиления контроля банка за использованием банковских ссуд.
В целом система кредитования нуждается в существенной модернизации, направленной на снижение рисков и повышение эффективности банковской и предпринимательской деятельности.

Список литературы

1. Алексеев Я.В. Риск-менеджмент в «двоичной» системе координат//Банковское кредитование. 2006. № 5.
2. Андреев С.А., Корпиленко С.А. Кредитный риск и методы его измерения. – СПб., 2003.
3. Афанасьева О.Н. Проблемы банковского кредитования реального сектора экономики//Банковское дело. 2004. № 4.
4. Балабанов И.Т. Банки и банковское дело : учебное пособие. – СПб., 2000.
5. Беляев Р.С. Проблемы оценки кредитоспособности заемщиков //Управление корпоративными финансами. 2006. № 4.
6. Брилинг М.Г. Влияние современных изменений на характер предпринимательских организаций//Управление риском. 2006. № 3.
7. Бугров А.В. Коммерческий банк//Вестник банка России. 2000. № 68.
8. Гамза В А. Бюро кредитных историй, или как поставить точку в этой истории//Банковское дело. 2002. № 11.
9. Готовчиков И.Ф. Комплексная скоринговая модель экспресс-оценки финансового состояния клиентов//Банковские технологии. 2006. № 21. С. 34.
10. Готовчиков И.Ф. Кредитные истории в экономике России//Банковские услуги. 2003. № 6-7.
11. Готовчиков И.Ф. Математические методы обработки кредитных историй//Финансы и кредит. 2003. № 18.
12. Готовчиков И.Ф. Математические методы оценки банковских рисков в условиях ограниченной статистической информации//Бизнес и банки. 2001. № 1-2.
13. Готовчиков И.Ф. Методы снижения асимметричности информации от кредитных историй заемщиков//Оперативное управление и стратегический менеджмент в коммерческом банке. 2003. № 5. С. 53.
14. Готовчиков И.Ф. Обзор математических методов прогнозирования ХСП//Бизнес и банки. 2001. № 10.
15. Готовчиков И.Ф. Практика использования математических методов при управлении кредитными рисками в розничном кредитовании//Банковское кредитование. 2006. № 5.
16. Готовчиков И.Ф. Прогнозирование финансово-экономических характеристик коммерческих банков//Банки и технологии. 2006. № 1.
17. Егоров С.Е. О состоянии и проблемах развития коммерческих банков//Вестник АРБ. 2000. № 15.
18. Едронова В.Н. Анализ денежных потоков заемщика как одного из важнейших факторов кредитоспособности//Финансы и кредит. 2002. № 13; 19. Едронова В.Н. Зарубежные и отечественные подходы к определению кредитоспособности заемщика//Финансы и кредит. 2002. № 10.
20. Едронова В.Н. Принципы системной методологии оценки показателей для определения кредитоспособности заемщика// Финансы и кредит. 2002. № 11.
21. Едронова В.Н. Пути совершенствования кредитной политики//Финансы и кредит. 2002. № 4.
22. Иванов В. Организация работы в банке по предупреждению возникновения кризисных ситуаций//Вестник АРБ. 2000. № 14.
23. Кабушкин С.Н. Управление банковским кредитным риском. – М., 2004.
24. Клейнер Г. Риски промышленных предприятий. Как их уменьшить или компенсировать//Российский экономический журнал. 1994. № 6.
25. Ковалев П.П. Лимитирование корпоративного кредитования юридических лиц и некредитных организаций//Управление корпоративными финансами. 2006. № 2.
26. Колесников В.И., Кроливецкая Л.П. Банковское дело. – М., 2000.
27. Колоколова О. Оценка потерь в случае дефолта на основе кернел-сопоставления//Управление в кредитной организации. 2006. № 6.
28. Крейнина М.Н. Финансовый менеджмент : учебное пособие. – М., 2001.
29. Лаврушин О.И. Особенности использования кредита в рыночной экономике//Банковское дело. 2002. № 6.
30. Лаврушин О.И., Афанасьева О.Н., Корниенко С.Л. Банковское дело: современная система кредитования. – М., 2005.
31. Мельникова А.В., Шевчук Ю.В. Управление риском портфеля. Обзор современных программных решений//Банковское кредитование. 2006. № 6.
32. Мерзляков К.В. Страхование финансовых рисков//Банковское кредитование. 2006. № 2.
33. Москвин В А. Кредитование инвестиционных проектов: Рекомендации для предприятий и коммерческих банков. – М., 2001.
34. Образумов В.В. Гарантируя успех. Немного теории о внутреннем контроле, аудите, управлении рисками и задачах бизнеса//Акционерное общество: вопросы корпоративного управления. 2007. № 1 (32).
35. Пещанская И.В. Краткосрочный кредит: Теория и практика. – М., 2003.
36. Пещанская И.В. Организация деятельности коммерческого банка. – М., 2001.
37. Путиловский В.А. Методы управления кредитным риском при проведении операций с банками-контрагентами: выявление «схем»//Банковское кредитование. 2006. № 6.
38. Путиловский В.А. Прогнозирование рисков банка-контрагента путем построения аналитических рейтингов//Банковское кредитование. 2006. № 5.
39. Роузман Э.А. Управление кредитными рисками в страновом отделении западного банка на развивающихся рынках. – М., 2001.
40. Саркисянц А. О состоянии банковской системы и возможных направлениях ее реформирования//Банковское дело. 2000. № 9.
41. Тавасиев А.М., Бычков В.П., Москвин В.А. Банковское дело: базовые операции для клиентов. – М., 2005.
42. Тенденции. Сокращение банков//Профиль. 21 августа. 2006. № 30.
43. Чернобальская А.Б., Вороненко Д.И. Управление рисками при розничном кредитовании//Банковское кредитование. 2006. № 3.
44. Управление деятельностью коммерческого банка (Банковский менеджмент)/Под ред. О.И. Лаврушина. – М., 2002.
45. Федеральный Закон РФ «О кредитных историях» от 30 декабря 2004 года № 218-ФЗ
46. Хейфец Б.А. Суверенный кредитный рейтинг России//Финансы. 2001. № 10.
47. Шустова Е.П. Оценка кредитных рисков в филиалах коммерческих банков. – Новосибирск, 2003.