Национальный исследовательский ядерный университет «мифи» Обнинский институт атомной энергетики Курсовая работа на тему: «Скоринговые системы оценки рисков в оценке кредитоспособности физических лиц»

Глава 2. Построение скоринговой модели оценки кредитоспособности физических лиц на примере ООО «ХКФ Банк». 2.1 Описание исходной базы данных Для проведения аналитической работы была получена клиентская база Обнинского регионального представительства «ООО ХКФ Банк» в размере 2500 кредитных договоров, выданных в период с сентября 2011 года до марта 2012 года. По каждому кредитному договору приведена следующая информация: Сумма кредита (руб.) Первоначальный взнос (руб.) Размер ежемесячного платежа (руб.) Срок кредита (мес.) Наличие страховки (1-да, 0-нет) Эффективная процентная ставка (%) Заработная плата клиента (руб. в месяц) Заработная плата супруга клиента (руб./месяц, при наличии супруга) Наличие автомобиля в собственности (1-да, 0-нет) Наличие иного недвижимого имущества в собственности (0-нет, 1-квартира/дом, 2-несколько единиц недвижимости) Общая сумма иных действующих кредитов на момент подписания договора (руб.) Ежемесячный суммарный платёж по иным кредитам (руб./мес.) Кредитная история ( -1 – по прошлым договорам/договору возникали просрочки, 0 – кредитной истории нет, 1 – раннее клиент успешно выплатил 1 кредит, 2 – клиент успешно выплатил 2 кредита и более) Возраст (лет) Семейное положение (0 – холост/не замужем; 1 – женат/замужем) Стаж на последнем месте работы (лет) Образование (0,5 – среднее, 1 – среднее-специальное, 1,5 – неоконченное высшее, 2 – высшее) Количество детей/иждевенцев (человек) Должность на постоянном месте работы Отрасль работы Регион проживания Срок проживания в текущем регионе (лет) Личная оценка кредитного специалиста (0 – нет особых примечаний, 1 – положительная рекомендация) Исходя из имеющейся информации, можно построить методику оценки кредитоспособности на основе модели Дюрана и модели логистической регрессии. 2.2 Оценка эффективности методики Дюрана при оценке заёмщиков Одной из самых известных моделей оценки кредитоспособности физического лица является модель Дюрана. Дюран выявил группы факторов, позволяющих максимально определить степень кредитного риска. Также он определил коэффициенты для различных факторов, характеризующих кредитоспособность физического лица: Пол: женский (0.40), мужской (0) Возраст: 0.01 балл за каждый год свыше 20 лет, но не больше, чем 0.30 Срок проживания в данной местности: 0.042 за каждый год, но не больше, чем 0.42 Профессия: 0.55 – за профессию с низким риском; 0 – за профессию с высоким риском; 0.16 – другие профессии Финансовые показатели: наличие банковского счета – 0.45; наличие недвижимости – 0.35; наличие полиса по страхованию – 0.19 Работа: 0.21 – предприятия в общественной отрасли, 0 – другие Занятость: 0.059 – за каждый год работы на данном предприятии Также он определил порог, перейдя который, человек считался кредитоспособным. Этот порог равен 1.25, т. е. если набранная сумма баллов больше или равна 1.25, то потенциальному заемщику выдается испрашиваемая им сумма. В соответствии с данной методикой был произведён расчёт по клиентской базе с целью оценить актуальность и эффективность данной методики. Также, экспериментальным методом был определён оптимальный порог, который Дюран предлагает устанавливать на уровне 1,25. Для расчёта финансовой эффективности стратегии была взята 10% бесповторная случайная выборка из общего массива данных. Случайная бесповторная выборка результатов приведена в приложении 1. В результате применения методики Дюрана были получены следующие показатели эффективности моделей с различными порогами: Таблица 1. Показатели эффективности методики Дюрана с различными порогами одобрения Порог Доход Недополученный доход Прибыль 1,10 1 219 369р. -497 115р. 722 254р. 1,15 1 219 369р. -470 501р. 748 869р. 1,20 1 219 369р. -404 218р. 815 151р. 1,25 1 169 788р. -395 731р. 774 058р. 1,30 1 147 216р. -385 075р. 762 142р. 1,35 1 099 569р. -378 644р. 720 924р. 1,40 1 050 039р. -378 644р. 671 395р. Рисунок 1. Влияние величины порога на эффективность оценки по методике Дюрана Наибольшую прибыль банк получил бы при установке порогового значения на уровне 1,20, т.е. рекомендуемая Дюраном величина не является оптимальной в данном случае. Исходя из этого можно сделать следующие выводы, объясняющие данные результаты: В первую очередь это связано с тем, что эта методика разрабатывалась для банков США, где структура и значимость отдельных рисков отличается от российской. Средний уровень благополучия населения в России ниже, чем в США, поэтому введение более жёсткого коэффициента «отсекает» от возможности получения кредита большую долю населения, что ведет к потере возможного дохода. Группа людей, получивших оценку в пределах 1,20-1,25 по меркам методики Дюрана считаются ненадёжными клиентами, однако полученные результаты показывают, что клиенты этой категории достаточно благонадёжны и им выгодно выдавать кредиты (доход от кредитования данной группы превышает потери). Стоит отметить, что снижение порогового значения ниже 1,20 не приводит к увеличению дохода, так как к получению кредита допускаются дополнительные неплатёжеспособные клиенты. Следовательно, порог величиной 1,20 позволяет распознать надёжного клиента в 91% случаев, что является пределом для данной модели. Повышение же порога выше 1,35 уже не отсеивает дополнительных ненадёжных клиентов. Следовательно, клиент, получивший оценку выше 1,35, с вероятностью близкой к 100% окажется платёжеспособным. 2.3 Построение методики оценки кредитоспособности заёмщиков на основе модели логистической регрессии Логистическая регрессия или логит-регрессия (англ. logit model) — это статистическая модель бинарного выбора, используемая для предсказания вероятности возникновения некоторого события путём подгонки данных к логистической кривой. Логистическая регрессия применяется для предсказания вероятности возникновения некоторого события по значениям множества признаков. Для этого вводится так называемая зависимая переменная , принимающая лишь одно из двух значений — как правило, это числа 0 (событие не произошло) и 1 (событие произошло), и множество независимых переменных (также называемых признаками, предикторами или регрессорами) — вещественных , на основе значений которых требуется вычислить вероятность принятия того или иного значения зависимой переменной. На основе исходных данных была построена модель логистической регрессии, предсказывающая платежёспособность клиента на основе группы показателей. Зависимая переменная: Результат оплаты кредита Признанные значимыми факторы: %Первоначального взноса Срок кредита Общая сумма иных действующих кредитов Кредитная история Возраст Стаж работы Оценка кредитного специалиста Построение модели с помощью программы Statgraphics дало следующую оценку значимым параметрам: Таблица 2. Оценка весов значимых параметров модели Стандартное Параметр Математическое ожидание отклонение Константа -1,56828 0,764033 %Первоначального взноса 3,88202 1,88959 Срок кредита -0,0900969 0,0459715 Общая сумма иных действующих кредитов -0,000109985 0,0000395655 Кредитная история 0,808062 0,244296 Возраст 0,0907054 0,0204367 Стаж работы 0,0667972 0,0272626 Оценка кредитного специалиста 1,61085 0,669916 Таким образом, исходя из полученных результатов, можно сделать следующие выводы: Весомым показателем платёжеспособности является % первоначального взноса при оформлении кредита. Как правило, первоначальный взнос по величине близок к ежемесячному платежу. Если клиент способен в момент оформления внести необходимую сумму, вероятнее всего и в будущем он сможет это сделать, что подтверждает коэффициент модели. Важным фактором является оценка кредитного специалиста. Несмотря на свою субъективность, экспресс-оценка специалиста банка является достаточно эффективным индикатором платёжеспособности заёмщика. Кредитный инспектор имеет возможность оценить клиента по его поведению и манерам, сделать вывод о его честности и добропорядочности. И выражением данных критериев в модели служит оценка, которую дал кредитный специалист при общении с клиентом. Кредитная история является важнейшим индикатором платёжеспособности для банка. Наличие хорошей кредитной истории зачастую снимает необходимость глубокого анализа финансовой надёжности клиента. Существует два значимых фактора, отрицательно влияющих на кредитоспособность заёмщика. Первый из них – срок кредита. Это объясняется большей неизвестностью и большим риском при долгосрочном кредитовании. Второй – общая сумма иных кредитов, действующих в данный момент у заёмщика. Это увеличивает риск невозврата, т.к. клиент уже несёт ответственность и издержки в связи с погашением иного кредита. В таблице 3 приведены статистические показатели построенной модели. Таблица 3. Показатели значимости факторов модели. Фактор P-Value %Первоначального взноса 0,0233 Срок кредита 0,0417 Общая сумма иных действующих кредитов 0,0002 Кредитная история 0,0004 Возраст 0,0000 Стаж работы 0,0143 Оценка кредитного специалиста 0,0185

Похожие:

	«Национальный исследовательский ядерный университет «мифи» Озерский... Вопросы к зачету по дисциплине «Методология и организация научных исследований» для магистратуры 2011\12 уч г		Урока обобщения и систематизации знаний по дисциплине «Информатика» Димитровградский инженерно-технологический институт – филиал Федерального государственного автономного образовательного учреждения...
	Программа по формированию навыков безопасного поведения на дорогах... Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Национальный исследовательский...		Московский энергетический институт (технический университет) институт... Дисциплина относится к вариативной части профессионального цикла М. 2 основной образовательной программы подготовки магистров «Физико-технические...
	Московский энергетический институт (технический университет) институт... ...		Московский энергетический институт (технический университет) институт... Целью дисциплины является: получение основных сведений (знаний) о физических процессах, протекающих в ядерных реакторах, и их конструкционных...
	Московский энергетический институт (технический университет) институт... Целью дисциплины является изучение основ современной энергетики и ее связи с экологией		Российской Федерации Федеральное агентство по образованию обнинский... Объем дисциплины и виды учебной работы по заочной форме в соответствии с учебным планом
	Московский энергетический институт (технический университет) институт... Цель дисциплины «Технические измерения и приборы» состоит в том, чтобы дать бакалавру теплоэнергетику представление средствах измерения...		Сборник рефератов докладов сотрудников рфяц-внииэф, представленных... Лиз понятия угрозы, исходящей от внутреннего нарушителя, и ее характерных особенностей// 2 Международная школа-семинар «Ядерная энергетика...
	Московский энергетический институт (технический университет) институт...		Московский энергетический институт (технический университет) институт...
	Московский энергетический институт (технический университет) институт...		Московский энергетический институт (технический университет) институт... Профиль(и) подготовки: Автоматизация технологических процессов в теплоэнергетике
	Министерство образования и науки российской федерации обнинский институт... Для общества вопрос о знании этих социальных институтов и умении направлять их развитие имеет первостепенное значение уже потому,...		Московский энергетический институт (технический университет) институт... Принципы эффективного управления технологическими процессами в теплоэнергетике, теплотехнике и теплотехнологиях”