Управление рисками кредитования малого бизнеса. Риски кредитования малого и среднего бизнеса. Риск недостаточности и низкой ликвидности залогового обеспечения

к. э.н. доцент НИУ-ВШЭ г. Нижний Новгород

In this article considered the problems of small and medium business crediting in Russia. The factors that prevent the further development of credit programs for businesses in this segment of the market are analyzed in paper. Special attention is paid to the standardization of credit process aimed at reducing the costs, risks and interest rates.

В настоящее время роль малого и среднего бизнеса в развитии экономики России очень велика, поскольку без малых и средних предприятий невозможно обеспечить в стране экономический рост, достичь ухода от сырьевой зависимости экономики, увеличить занятость населения и создать ядро среднего класса. Среди основных проблем, препятствующих развитию малого предпринимательства , особенно сильно выделяется проблема финансирования.

Малый бизнес характеризуется тем, что он более мобилен и легче приспосабливается к изменяющимся экономическим условиям, хотя его инвестиционные возможности зачастую невелики. Источники финансирования необходимы малым предприятиям, как в период становления, так и в процессе развития. Традиционные источники средств для крупных предприятий – самофинансирование за счет собственной прибыли и займы на рынке капитала путем выпуска собственных ценных бумаг – для малого бизнеса недоступны или крайне ограничены. Наиболее востребованными для этих предприятий становятся банковские кредиты и финансовые субсидии государства.

Организациями инфраструктуры финансовой поддержки МСБ в РФ являются:

Микрофинансовые организации

4. Отсутствие у заемщиков опыта привлечения кредитов и обеспечения, удовлетворяющего требованиям кредиторов.

5. Высокие кредитные риски банков, недостаточный объем накопленной статистики по выдаваемым кредитам для применения скоринговых систем.

Проблемы российских банков в сфере кредитования МСБ связаны во многом с тем, что этот вид банковского бизнеса начал развиваться только с начала 2000-х годов. Вместе с тем, успехи банков РФ на этом сегменте рынка существенны. Использование лучших зарубежных практик, технологий, стандартов и подходов к оценке кредитного риска позволили российским банкирам избежать многих управленческих ошибок и существенных потерь. В последнее время наблюдается либерализация кредитной политики коммерческих банков в сфере кредитования предприятий МСБ:

· уменьшение ставок кредитования, увеличение сроков и сумм кредитов, снижение требований к длительности деятельности заемщиков;

· предоставление кредитов без обеспечения для микропредприятий и малых предприятий на короткие сроки;

· расширение перечня видов обеспечения по кредитам;

· использование различных форм кредитования: кредит, кредитные линии, в том числе «овердрафт », лизинг, факторинг, гарантии, аккредитивы .

Либерализация кредитной политики сопровождается повышением активности банков в области маркетинга на рынке кредитования МСБ по следующим направлениям:

Собственники бизнеса

Банки – крупнейшие игроки на рынке кредитования МСБ вырабатывают стандарты кредитования, выражающиеся в единых требованиях к заемщикам и кредитуемым проектам . Направления стандартизации охватывают организацию процесса кредитования, риск-менеджмент, систему продаж, автоматизацию процесса кредитования (табл.2).

Таким образом, стандартизация процесса кредитования и кредитного портфеля банка делает возможным упрощение кредитования, автоматизацию процесса кредитования, снижение издержек (временных и стоимостных), повышение точности оценки риска, снижение цены кредита, облегчение доступа к кредиту, обеспечение прозрачности системы оценки риска и качества кредитного портфеля.

Таблица 2

Направления стандартизации процесса кредитования в банке

Приход на российский рынок компаний – членов ВТО повлечет рост конкуренции и снижение рентабельности средних и малых предприятий. В этих условиях очевидными станут:

− рост потребности предприятий в банковских кредитах для развития и повышения конкурентоспособности – роста объемов производства, модернизации, диверсификации бизнеса;

− необходимость раскрытия информации предприятиями по финансовому состоянию в официальной отчетности;

− отражение на стоимости кредита для заемщиков их текущего или инвестиционного рейтинга.

Анализ международных рекомендаций по оценке кредитного риска позволяет сделать вывод о том, что Базельский комитет по банковскому надзору (Соглашение «Базель 2») стимулирует банки к внедрению стандартизированных процедур оценки кредитного риска . Особенно это относится к системам оценки кредитоспособности розничных заемщиков и малых предприятий. Более того, малые предприятия относятся к классу розничных требований, что позволяет банкам оценивать кредитный риск в целом по портфелю однородных ссуд. Средние предприятия относятся к корпоративным заемщикам, что предполагает оценку кредитного риска индивидуально по каждому заемщику.

В качестве интегрального показателя кредитоспособности заемщика Базельским комитетом по банковскому надзору предложен показатель вероятности дефолта заемщика – PD (%). Дефолтом заемщика признается полное или частичное неисполнение обязательств по кредитному договору. В данном случае дефолт заемщика не означает его банкротства. Вероятность дефолта заемщика оценивается банком на основе комплексной оценки кредитоспособности заемщика, включающей количественные и качественные характеристики. Вероятность дефолта может определяться по статистике дефолтов.

Определение вероятности дефолта заемщиков реализуется банками в рамках подхода на основе внутренних рейтингов (IRB-подход). Банки, применяющие системы внутренних рейтингов заемщиков, должны удовлетворять определенным требованиям :

− банк должен иметь хорошо организованную, качественную систему управления рисками , которая включает в себя эффективное корпоративное управление , эффективную систему внутреннего контроля, наличие в банке адекватной системы сбора, обработки и анализа информации;

− банк должен иметь возможность получать достоверную информацию о финансовом состоянии своих клиентов;

− получаемая информация о кредитных рисках должна позволить банку формировать статистическую базу данных , выявлять классификационные группы заемщиков с устоявшимся уровнем риска дефолта и относить к ним новых заемщиков;

− система управления кредитным риском в банке должна быть одобрена органами надзора.

Требования устанавливаются не только к банкам, но и к самой системе оценки вероятности дефолта заемщиков :

· система должна оценивать риск дефолта заемщика и риск финансового инструмента, который он использует;

· должно использоваться не менее 6 категорий кредитоспособности заемщика;

· информация о заемщике должна быть основана на различных источниках;

· необходимо использовать стресс-сценарии для проверки устойчивости заемщика к внешним условиям;

· банк должен убедить надзорный орган, что рейтинговая модель обеспечивает высокую точность прогнозирования вероятности дефолта заемщика.

В ближайшее время Банк России доведет до кредитных организаций методические рекомендации по применению подхода к оценке кредитного риска на основе внутренних рейтингов заемщиков, что будет способствовать совершенствованию оценки кредитного риска и повышению качества кредитных портфелей банков.

Направлениями развития кредитования МСБ в России в ближайшей перспективе являются:

§ Создание широкой филиальной сети крупными банками для развития региональных кредитных рынков;

§ Совершенствование продуктовой линейки, использование различных форм кредитования;

§ Кредитование покупки и модернизации основных средств, расширения производства и внедрения инноваций;

§ Повышение качества обслуживания клиентов;

§ Взаимодействие банков с институциональными инвесторами и государственной инфраструктурой поддержки МСБ.

Список литературы:

1. Крис Скиннер. Будущее банкинга. Мировые тенденции и новые технологии в отрасли. М.: Гревцов Паблишер, 2009.- 400с.

2. скусство розничного банкинга: факты, аналитика, прогнозы. М.: Гревцов Паблишер, 2007.-320с.

3. Материалы XII Всероссийской конференции представителей малых и средних предприятий “Малый и средний бизнес: перспективы развития в условиях присоединения России к ВТО», май 2012 , Нижний Новгород.

4. Финлет Ст. Управление потребительским кредитованием: теория и практика. Минск: Гревцов Букс, 2010.-328с.

5. International convergence of capital standards. A revised framework. Basel Committee on Banking Supervision - http://www. bis. org/bcbs .

6. Официальный сайт Ассоциации российских банков. Аналитика.- http://www. arb. ru/b2b/analitycs/ .

7. Официальный сайт Российского банка поддержки МСП. Государственная программа финансовой поддержки - http://www. mspbank. ru/ru/government_program_fin_msp_support

8. Официальный сайт Российского микрофинансового центра. Актуальные материалы и публикации - http://www. rmcenter. ru/analitics/materialy_i_publikatsii/

Каковы специфические кредитные риски, возникающие при кредитовании российскими банками субъектов малого и среднего предпринимательства? Именно они являются причиной низкой доступности кредитов. Рассмотрим применение гарантийных механизмов поддержки, которые должны отвечать интересам обеих сторон и давать синергетический эффект - эффективное управление риском для кредитных организаций, и возможность получить финансирование предприятиям малого и среднего бизнеса.

Проблема финансирования важного для развития национальной экономики сегмента - малого и среднего предпринимательства (МСП) - является в современных условиях одной из наиболее актуальных. Но в экспертном сообществе по-прежнему поднимается вопрос о недоступности кредитных ресурсов для малых и средних предприятий, реализующих инвестиционные проекты в неторговой и несырьевой сферах.

Рынок кредитования МСП российскими кредитными организациями

По данным Росстата и ФНС России, по состоянию на 1 января 2013 г. в Российской Федерации зарегистрировано 6037 тыс. субъектов МСП, в которых занято 17 729,2 тыс. человек. Каждый четвертый работник в России занят в секторе МСП. При этом на предприятиях (у юридических лиц) работает 12,2 млн человек (69,1%), у индивидуальных предпринимателей - 5,45 млн человек (30,9%).

Доля продукции и услуг, производимых субъектами МСП, в общем объеме продукции и услуг, производимых предприятиями страны, составляет около 25%.

Вместе с тем в первом полугодии 2013 г. в развитии малого и среднего предпринимательства зафиксирован ряд негативных тенденций.

Согласно данным ФНС России за период с 1 января по 1 июля 2013 г. число индивидуальных предпринимателей сократилось на 474,1 тыс. человек (11,5%).

В I квартале 2013 г. по сравнению с тем же периодом 2012 г., согласно данным Росстата, на 1,5% сократилось количество малых предприятий, на 3,4% - количество средних и на 0,8% - численность занятых на средних предприятиях работников.

Анализ банковского кредитования сектора МСП в 2013 г. показывает, что этот сегмент рынка продолжает динамично развиваться. Так, по данным Банка России, по состоянию на 1 декабря 2013 г. объем вновь предоставленных кредитов субъектам МСП в целом по Российской Федерации достиг 7176 млрд руб., что на 16% превышает показатель аналогичного периода прошлого года (6177 млрд руб.).

Объем кредитного портфеля субъектов МСП на 1 декабря 2013 г. также вырос и составил 5163 млрд руб., увеличившись на 15,4% (табл. 1) .

Таблица 1

Общая сумма задолженности по кредитам, предоставленным субъектам МСП

в Российской Федерации (тыс. руб.)

Интересной также представляется следующая информация Банка России: в III квартале 2013 г. при кредитовании малого и среднего предпринимательства наблюдалось ужесточение требований к финансовому положению заемщика и обеспечению.

При этом согласно тому же источнику существенными темпами растет спрос на новые кредиты сроком свыше 1 года (спрос на кредиты сроком до 1 года не увеличился), а также спрос на пролонгацию ранее выданных кредитов. По прогнозам в ближайшие 3 - 6 месяцев спрос вырастет еще на 20%.

Судя по результатам исследования "Предпринимательский климат в России: Индекс опоры - 2012" , получение краткосрочного (до 1 года) кредита сопряжено со значительными трудностями для 26% компаний, еще для 12% компаний это "практически невозможно". Кредит на срок от 1 года до 3 лет привлечь "достаточно сложно", по мнению 27% респондентов, "практически невозможно" - по оценке 14%. Что касается долгосрочных кредитов (на срок свыше 3 лет), то здесь негативных оценок еще больше: "достаточно сложно" - 27% и "практически невозможно" - 17%.

Согласно индексу бизнес-настроений предприятий малого и среднего бизнеса "Траст Индекс МСБ" фактор доступности финансирования оказывает наибольшее влияние на развитие малого и среднего бизнеса в России. В общей доле в 2012 г. он увеличился по сравнению с началом 2012 г. с 38 до 54%.

Таким образом, вопрос доступности кредитования для субъектов МСП по-прежнему стоит очень остро. Главные проблемы, которые испытывают предприниматели, - это высокие процентные ставки и отсутствие надежного залогового обеспечения.

Специфика риска кредитования МСП

Из всего комплекса факторов кредитного риска можно выделить те, которые характерны для кредитования МСП:

Непрозрачность деятельности клиентов: отсутствие длительного track-record (ретроспективная задокументированная история деятельности предприятия, его собственников либо менеджмента в соответствующей области, отражающая достижение каких-либо результатов), кредитной истории, аудиторского подтверждения достоверности финансовой отчетности и т.д.;

Отсутствие деловой репутации инициаторов проекта (зачастую для финансирования инвестиционных проектов привлекаются проектные компании, управляемые номинальными директорами);

Предприятия сектора МСП более подвержены традиционным технологическим, производственным и коммерческим рискам ввиду более слабой диверсификации производства и сбыта;

Наличие бухгалтерских убытков даже при прибыльной финансовой деятельности, вызванное непрофессиональным ведением бухгалтерского учета наряду с процессом оптимизации налоговой нагрузки;

Низкая капитальная база.

Принимая во внимание вышеперечисленные риски, но не ограничиваясь ими, кредитные организации вынуждены создавать повышенные резервы на возможные потери, одновременно увеличивая ставку ссудного процента. Практика показывает, что кредиты, выданные субъектам МСП, классифицируются не выше III категории качества согласно Положению Банка России от 26.03.2004 N 254-П "О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности" (далее - Положение N 254-П) даже при хорошем обслуживании долга. В данной ситуации единственным инструментом, объективно позволяющим снизить кредитный риск, а также формируемый резерв на возможные потери, является предоставление ликвидного обеспечения, покрывающего по залоговой стоимости сумму кредита и процентов.

Риск недостаточности и низкой ликвидности залогового обеспечения

Однако на данном этапе ситуация еще сильнее усугубляется не упомянутым нами риском, который стоит особняком при кредитовании субъектов МСП в настоящее время. Это риск недостаточности и низкой ликвидности залогового обеспечения.

Так, согласно гл. 6 Положения N 254-П обеспечение может быть использовано для корректировки созданного резерва, причем оно делится на две подгруппы: I и II категории качества. Обеспечение I категории для целей корректировки резерва принимается по полной оценочной стоимости. Однако к нему относятся в основном финансовые инструменты (банковские гарантии, гарантийные депозиты, ценные бумаги), эмитентом которых является компания, имеющая высокий международный долгосрочный рейтинг кредитоспособности. Такого рода обеспечения у субъектов МСП, естественно, нет.

Обеспечение II категории качества принимается с дисконтом в 50% к оценочной стоимости. К нему может относиться, по сути, любой залог вещей при наличии устойчивого рынка предметов залога и (или) иных достаточных оснований считать, что соответствующий предмет залога может быть реализован в срок, не превышающий 180 календарных дней со дня возникновения основания для обращения взыскания на залог. Имущество для такого рода залога у субъектов МСП есть. Однако если даже допустить, что оно ликвидно, его оценочная стоимость должна составлять 200 - 300% суммы кредита для покрытия его полной стоимости и процентов. Кредитная политика некоторых банков предполагает покрытие обеспечением процентов к уплате за весь период кредитования, таким образом, при долгосрочном кредитовании общая сумма требуемого обеспечения может превышать сумму запрашиваемого кредита в три и более раз.

Также российская практика пока не выработала адекватных подходов к оценке стоимости нематериальных активов (НМА) для целей залога, что могло бы оказаться полезным малым и средним предприятиям технологической сферы, где львиную долю активов и пассивов составляют именно НМА и задолженность по оплате труда персонала. Таким образом, при неизменных, базовых кредитных рисках, возникающих при кредитовании субъектов МСП, отсутствие адекватного залогового обеспечения по планируемой ссуде делает кредитование для банков слишком рискованным и неэффективным (в силу необходимости заблаговременного отнесения созданных резервов на убытки), а для субъектов МСП - практически недоступным.

Данная проблема присуща кредитованию МСП не только в России. С аналогичными проблемами сталкиваются кредитные организации и их клиенты - субъекты МСП в развитых и развивающихся странах по всему миру. Чтобы преодолеть подобного рода "разрыв" между необходимостью получения банковского кредита субъектами МСП и возможностью его получения ими, правительства различных стран внедряют инструменты поддержки малого и среднего предпринимательства, основанные на предоставлении гарантий и поручительств по кредитам, привлекаемым МСП в банках.

Далее рассмотрим гарантийные механизмы, реализованные в различных странах, а также новый инструмент, работающий на российском рынке, который позволяет кредитным организациям получить адекватное обеспечение по кредиту и снизить риски (резервы), а субъектам среднего предпринимательства - получить кредит.

Иностранный опыт государственной поддержки МСП

В соответствии с данными Справочника ОЭСР по финансированию субъектов малого и среднего предпринимательства (2013 г.) требования к обеспечению кредита (залогу) были одним из самых больших препятствий, с которыми сталкивались малые и средние предприятия при поиске новых кредитов.

В период после финансового кризиса 2008 - 2009 гг. доступ к финансированию у малых и средних предприятий ухудшился: многие правительства создали или расширили существующие программы кредитных гарантий (табл. 2).

Таблица 2

Меры государственной политики поддержки МСП в различных странах во время кризисных явлений

2008 - 2009 гг.

В 2009 - 2012 гг. в некоторых странах в качестве антикризисных мер были запущены новые программы для создания рабочих мест, а некоторые гарантийные инструменты были адаптированы к конкретным категориям малых и средних предприятий, таким как стартапы или инновационные компании.

В Ирландии общий объем кредитования бизнеса снизился во время кризиса и еще больше - в период восстановления. В апреле 2012 г. правительство объявило о создании первой схемы кредитных гарантий. Гарантии покрывают 75% кредита (до 1 млн). Целевая группа - успешные предприниматели с высокой производительностью, подготовленным бизнес-планом и определенным рынком для своих товаров и услуг. Положительный опыт Франции также свидетельствует, что одной из самых значительных мер по содействию кредитованию малых и средних предприятий является предоставление гарантий OSEO - организацией, финансируемой как за счет государства (58,3%), так и за счет частного сектора (41,7%). Организация предоставляет гарантии, софинансирование, прямые кредиты на поддержку инноваций и услуг. Кроме того, OSEO предоставляет гарантии под фонды рискового капитала. Традиционными бенефициарами являются микропредприятия (46,5%), малые (31%) и средние (17,5%) предприятия.

Для облегчения доступа малых предприятий к банковским кредитам OSEO разделяет риски с банками по займам, выдаваемым на создание предприятия, гарантируя в объемах от 40 до 70% возвратность финансирования или же кредитуя предприятия совместно с банками. Деятельность OSEO в области финансирования и гарантий покрывает три типа потребностей малого бизнеса и его партнеров: долгосрочное кредитование и совместное финансирование с банками, краткосрочное финансирование, различные виды гарантий.

Правительством Японии также были созданы три государственных финансовых института: Японская финансовая корпорация для малого и среднего бизнеса (Japan Finance Corporation for Small & Medium Enterprise), Национальная финансовая корпорация (National Life Finance Corporation) и Шоко Чакин банк (Shoko Chukin Bank). Эти финансовые институты выполняют буферную роль при льготном кредитовании нуждающихся малых и средних предприятий по пониженным процентным ставкам и смягченным требованиям по залоговому и гарантийному обеспечению займов. Следует отметить, что примерно 90% общего объема кредитования малого и среднего предпринимательства осуществляется коммерческими банками и только около 10% кредитов предоставляется указанными государственными финансовыми организациями.

Кроме того, правительством Японии создана общенациональная система предоставления гарантий на получение кредитов, необходимых стартующим и развивающимся малым и средним предприятиям. Основу этой системы составила Корпорация кредитных гарантий для малых и средних предприятий (Credit Guarantee Corporation for SMEs), состоящая из 52 независимых отделений, которые в общей сложности ежегодно предоставляют гарантии на сумму 32 трлн иен. В целях повышения финансовой устойчивости этой организации Японская финансовая корпорация для малого и среднего бизнеса (Japan Finance Corporation for Small Business and Medium Enterprise - JASME) осуществляет перестраховку порядка 50% выданных кредитов.

В Италии существует множество гарантийных фондов, которые отличаются территориальным покрытием и индустриальной принадлежностью компаний-бенефициаров. Более 200 институтов объединены в 7 крупных федеральных фондов согласно их секторальной принадлежности. Фактически система разделена на два уровня: региональный и федеральный.

Первый уровень - региональный, это непосредственная работа с малыми и средними предприятиями. На втором уровне работа осуществляется не напрямую с малыми и средними предприятиями, а с региональными фондами. Эта двухуровневая система, организованная группой одинаковых институтов, позволяет покрыть больший объем рисков. Тем не менее банки могут обратиться и на второй уровень за прямыми гарантиями к государственным гарантийным фондам, таким как Центральный гарантийный фонд.

В Южной Корее в 1989 г. в соответствии с законом о финансовой поддержке нового технологичного бизнеса создан Корейский государственный фонд KOTEC (Korean Technology Finance Corporation) - некоммерческая гарантийная организация, которая предоставляет кредитные гарантии инновационным компаниям. Более 80% от общего числа гарантий было предоставлено компаниям, деятельность которых направлена на развитие и использование новых технологий. KOTEC также оказывает технологическую и управленческую поддержку, что включает оценку стоимости технологии, коммерциализацию технологий и привлечение инвестиций, комплексную оценку технологии, монетаризацию и условия ведения бизнеса.

Таким образом, международный опыт показывает, что гарантийные системы призваны обеспечить предоставление комплексной поддержки субъектам как малого, так и среднего предпринимательства с учетом разницы их потребностей. Гарантийные системы также являются неотъемлемым механизмом стимулирования экономически значимых отраслей экономики. Системы строятся на принципах единых стандартов и достигают максимальной эффективности при объединении под управлением центральной организации.

Описанные выше приемы можно представить в виде табл. 3.

Таблица 3

Гарантийные механизмы для снижения рисков кредитования МСП

Российский гарантийный механизм

В России действуют две гарантийные программы поддержки МСП.

Первая - система региональных гарантийных фондов. Гарантийный фонд - юридическое лицо, одним из учредителей которого является субъект Российской Федерации или орган местного самоуправления, созданное для обеспечения доступа субъектов малого и среднего предпринимательства к кредитным и иным финансовым ресурсам. Поручительства (гарантии) предоставляются коммерческим банкам, страховым компаниям, лизингодателям, заключившим с региональным гарантийным фондом соглашение о сотрудничестве. Отбор таких организаций осуществляется на конкурсной основе.

Объем ответственности регионального гарантийного фонда по заключенным договорам предоставления гарантии (поручительства) не превышает 70% от объема обязательств малого и среднего предприятия и организации инфраструктуры поддержки субъектов малого и среднего предпринимательства перед финансовой организацией.

Региональные гарантийные фонды к настоящему моменту созданы в 80 субъектах Российской Федерации (кроме Ненецкого, Чукотского автономных округов и Еврейской автономной области) с капитализацией более 37,7 млрд руб. За все время реализации программы (с 2006 г.) гарантийными фондами выдано 35,1 тыс. гарантийных обязательств на общую сумму более 100,9 млрд руб. Этот объем поручительств позволил привлечь субъектам малого и среднего предпринимательства кредитные средства на сумму более 214,1 млрд руб.

Вторая новая программа - государственный гарантийный механизм поддержки среднего предпринимательства, реализуемый группой Внешэкономбанка.

Он представляет собой вертикальную систему контргарантий, выстроенную следующим образом: компания - субъект среднего предпринимательства, отвечающая определенным требованиям и испытывающая недостаток залогового обеспечения, может обратиться в ОАО "МСП Банк" (оператор гарантийного механизма) для получения банковской гарантии. Все обязательства ОАО "МСП Банк" по выданным в рамках механизма банковским гарантиям обеспечены банковской гарантией Внешэкономбанка, сумма которой составляет 40 млрд руб. В свою очередь банковская гарантия Внешэкономбанка частично обеспечена государственной гарантией Российской Федерации. Поскольку ОАО "МСП Банк" гарантирует 50% выдаваемых кредитов, объем гарантийной поддержки в 40 млрд руб. позволит коммерческим банкам обеспечить выдачу кредитов среднему бизнесу на сумму 80 млрд руб.

Поддержка в рамках этого механизма оказывается средним предприятиям, работающим в несырьевой и неторговой сферах. Размер проектов, финансируемых с привлечением гарантий, составляет от 100 млн до 2 млрд руб. (размер одной гарантии - от 50 млн до 1 млрд руб.). При этом предприятие должно привлечь в проект не менее 20% собственных средств. Срок кредитования под гарантии ОАО "МСП Банк" - от 2 до 10 лет. Стоимость гарантий для субъектов среднего предпринимательства не превысит 1,8% годовых и будет находиться в диапазоне 1,4 - 1,8% годовых (для инновационных проектов гарантии будут предоставляться по нижней границе стоимостного коридора).

Основное преимущество созданного механизма состоит в комбинации инструмента (банковская гарантия) и гаранта (ОАО "МСП Банк"), что позволит кредитным организациям учитывать полученное обеспечение как первоклассное.

Так, согласно п. 6.2.4 Положения N 254-П к обеспечению I категории качества (учитываемому по полной оценочной стоимости) могут быть отнесены в том числе "поручительства (гарантии) юридических лиц, если указанные юридические лица имеют инвестиционный рейтинг не ниже "BBB" по классификации рейтингового агентства S&P (Standard & Poor"s) или рейтинг не ниже аналогичного по классификациям Fitch Ratings, Moody"s".

ОАО "МСП Банк" по состоянию на текущую дату имеет следующие инвестиционные рейтинги, присвоенные агентством S&P:

Таким образом, появившийся в августе 2013 г. гарантийный механизм поддержки среднего предпринимательства, оператором которого является дочерняя структура Внешэкономбанка - ОАО "МСП Банк", может стать эффективным инструментом снижения рисков при кредитовании средних предприятий.

Также необходимо отметить, что в настоящее время на уровне Правительства Российской Федерации принято решение о создании Агентства кредитных гарантий, которое на первом этапе будет выполнять функции по координации деятельности региональных гарантийных фондов.

Отдельным направлением развития может стать создание системы управления кредитным риском с использованием банковской гарантии ОАО "МСП Банк" при кредитовании субъектов. Данная система могла бы обеспечить методологическую поддержку с учетом специфики рассматриваемого механизма. Также в рамках данной модели целесообразно было бы рассмотреть использование других государственных гарантийных инструментов поддержки предпринимательства, представленных в России, а по итогам всестороннего анализа влияния гарантийного механизма подготовить предложения по его оптимизации и настройке с учетом накопленных данных о международном опыте.

Выводы

Спрос на долгосрочное кредитование со стороны субъектов малого и среднего предпринимательства высокий и продолжает расти. В то же время наблюдается дальнейшее ужесточение требований к финансовому состоянию заемщика и обеспечению при кредитовании субъектов МСП. Риски кредитования МСП также традиционно высоки, залоговая стоимость обеспечения, которое может предоставить предприятие, обычно не отличается ликвидностью и не покрывает кредит.

Созданный механизм гарантийной поддержки может стать эффективным инструментом, повышающим привлекательность кредитования конкретных инвестиционных проектов субъектов среднего предпринимательства и снижающим риски, связанные с залоговым обеспечением ссудной сделки.

В развитых странах малое предпринимательство является одним из главных драйверов развития экономики, без которого невозможно дальнейшее существование и развитие социально — ориентированного общества. Такое бизнес решает проблемы занятости населения, его благосостояния, а также приносит в бюджет государства значительные денежные средства в виде налогов и сборов. На долю малого и среднего бизнеса в объеме ВВП в нашей стране приходится около 20%, в то время как за рубежом, только по малому бизнесу эта цифра достигает 50%. В развитых странах поддержка некрупных предприятий считается стратегически важной для развития экономики задачей. Основными преимуществами малого и среднего бизнеса являются:

· низкие барьеры входа на рынок, заключающиеся в минимальном первоначальном капитале;

· быстрая и адекватная реакция на изменение конъюнктуры рынка и возможность принятия оперативных и рациональных решений;

· сокращение сроков внедрения новых технологий и процессов автоматизации производства;

· приспособленность такого бизнеса к изучению и удовлетворению пожеланий, привычек и обычаев клиентов, то есть их узконаправленность и специализация на современном рынке.

Однако малое предпринимательство на пути своего становления и развития сталкивается с большим количеством трудностей. Предприятия малого бизнеса закрываются чаще, чем появляются новые. По статистике лишь 3,4% малых предприятий в России живет более трех лет, остальные закрываются раньше.

Рис. 1 Число зарегистрированных и прекративших свою деятельность ИП и фермерских хозяйств

Такой негативной тенденции способствует ряд причин. Например, сложное законодательство, а иногда и его полное отсутствие, влекущее за собой ошибки предпринимателей, последующее нарушение закона и большой штраф. Стоит отметить, что услуги профессионального юриста слишком сильно ударяют по бюджету предприятия, поэтому к их помощи бизнесмены прибегают крайне редко.

Экономические барьеры, заключающиеся в невозможности получения кредита без залога собственного имущества и стабильного хорошо работающего бизнеса, а также высокие ставки, приводят к недостаточности или полному отсутствию оборотных средств, которые должно быть направлены на его дальнейшее развитие.

Рис.2 Средневзвешенные процентные ставки по выданным кредитам МСБ в руб.

Центральной проблемой развития малого бизнеса является формирование стартового капитала и создание необходимых условий для его расширенного производства. Источниками финансирования в малом предпринимательстве, так же как и в крупном бизнесе, могут быть собственные и заемные средства. Последнее является сдерживающим фактором развития субъектов малого и среднего бизнеса, поскольку предприниматели часто сталкиваются со сложностями, с вязанными с его доступностью и рациональностью.

Кредитование малого бизнеса играет важную роль, поскольку развитие малого предпринимательства способствует развитию экономики в целом. Однако для коммерческих банков такое направления кредитование является сложным и сопряжено с большим количеством рисков, несвойственным другим юридическим лицам. Риски, связанные с малым бизнесом, оцениваются коммерческими банками значительно выше рисков кредитования корпоративного сектора. Характерными рисками для кредитования малого и среднего предпринимательства являются:

Непрозрачная деятельность клиентов: отсутствие задокументированной деятельности компании, кредитной истории, а также достоверной финансовой и бухгалтерской отчетности

Низкая деловая репутация инициаторов проекта (довольно часто компании привлекают для финансирования проектные компании, которые управляются номинальными директорами)

Предприятия сектора МСП сильнее подвержены технологическим, производственным и коммерческим рискам ввиду более слабой диверсификации производства и сбыта;

— присутствуют бухгалтерские убытки, вызванные некомпетентностью и низким профессионализмом бухгалтеров, даже при финансовой прибыли компании

— низкая капитальная база.

Рис.3 Динамика объема выданных кредитов МСБ, темп прироста

В последнее время кредитные организации в России развивают направление кредитования малого бизнеса путем создания специализированных продуктов в своей линейке кредитных товаров, требуют меньшее количество документов на рассмотрение, а также уменьшают сроки рассмотрения заявок на кредит и крупными банками увеличивается практика беззалогового кредита.

Например, Альфа-Банк снизил процентные ставки по кредитам для индивидуальных предпринимателей и малого бизнеса на 4 п.п. Теперь минимальная ставка с учетом всех понижающих факторов и скидок составляет 12,5%. Это самая минимальная ставка на рынке на беззалоговые кредиты. Индивидуальные предприниматели и юридические лица могут оформить кредит от 500 тысяч до 6 млн рублей на любые цели, без залога. Срок предоставления кредита составляет 13, 24 или 36 месяцев. Процентная ставка зависит от срока кредита и пакета услуг. Это было обусловлено изменениями конъюнктуры рынка и потребностью предпринимателей в финансовой поддержке их малого бизнеса.

Таким образом, грамотно рассчитанная и правильно потраченная сумма займа способна стать толчком для дальнейшего развития и процветания предприятий малого и среднего бизнеса. Результатом будет во время погашенный кредит в полном объеме.

Одним из важнейших условий кредитования малого и среднего бизнеса коммерческим банкам являются срок функционирования предприятия, а также финансовые результаты ее деятельности. Нужно отметить, что, несмотря на существующие проблемы с кредитования предприятий малого и среднего бизнеса, это направление остается привлекательным для банков. Малый и средний бизнес очень важен для социально-экономической стабильности в стране, так как он способен быстро реагировать на изменяющиеся условия. Развитие этого сектора экономики способствует стабилизации экономики страны, а также ее социальной сферы, увеличению количества наукоемких предприятий, проявлению инновационной деятельности в развитии российской экономики в целом.

Но, как показывают и теория, и опыт оценки и управления кредитным риском, кредитный риск имеет сложную внутреннюю структуру. Помимо рисков, обусловленных особенностями каждого конкретного заемщика, в нем присутствуют и другие компоненты. Рынок кредитования предприятий МСБ в нашей стране является последним сегментом кредитного рынка, еще в недостаточной степени охваченным банковскими услугами. Как же должны быть устроены системы, оценивающие и управляющие рисками кредитования предприятий этого сегмента?

Из чего состоит кредитный риск?

Одновременно с быстрым ростом кредитного рынка в России в первом десятилетии XXI в. возросли и риски, связанные с кредитным бизнесом. В силу этого повышается и значимость методик оценки кредитоспособности заемщиков для российских банков. Но для создания и использования методик измерения и управления кредитными рисками необходимо сначала разобраться с тем, какие виды кредитного риска существуют и как они соотносятся друг с другом. На рис. 1 представлена иерархия видов кредитного риска, которая формируется в трехуровневую структуру.

Рисунок 1

На базовом уровне кредитный риск представлен транзакционным риском. Этот риск связан с вариативностью кредитоспособности отдельных заемщиков, возникающей в ответ на изменение влияющих на нее экономических, отраслевых, социально-демографических и иных факторов. Этот риск проявляется в вариативности денежного потока предприятий или доходов заемщиков — физических лиц. В силу этого могут претерпевать изменения и вероятность возврата или, наоборот, невозврата ими заемных средств. На следующем уровне иерархии расположены риски, связанные с «поведением» больших групп кредитов, объединенных по принципу похожести в «единый большой кредит», называемый портфелем. Объединение кредитов в портфель диктуется необходимостью уменьшения издержек на управление: предполагается, что таким портфелем можно управлять как одним большим кредитом. Но тогда такой метакредит должен характеризоваться какими?то параметрами, позволяющими оценить свойственный ему риск — так называемый портфельный риск. В портфель объединяют кредиты, подверженные влиянию одинаковых факторов риска, среди которых присутствуют как экономические (например, состояние спроса в отрасли), так и социальные (например, уровень доходов населения) факторы. Приведем в пример возможную ситуацию с портфелем кредитов МСБ: в случае падения спроса у наиболее слабых предприятий с наименее диверсифицированными товарными портфелями или с наименее диверсифицированными системами дистрибуции доходы упадут в первую очередь и, следовательно, возрастет вероятность дефолта. Следующий, третий, уровень иерархии представлен аллокационным кредитным риском — риском, обусловленным распределением активов банка по отраслям, регионам его присутствия и продуктам банка. Разная динамика развития и разное состояние региональных экономик, отраслей и, например, спроса на разные типы банковских кредитов определяют вариативность качества кредитных портфелей, сформированных банком. Таким образом, вложение в разных пропорциях средств в кредитование одного и того же состава отраслей, которым предлагаются одни и те кредитные продукты, а отрасли локализованы в одних и тех же регионах, приведет к тому, что каждая из таких различных возможных аллокаций кредитных ресурсов будет генерировать свою доходность и будет характеризоваться своим уровнем кредитного, аллокационного, риска. В данной статье мы сконцентрируем внимание на самом нижнем — базовом — транзакционном уровне кредитного риска.

Фундамент систем управления транзакционным кредитным риском — скоринг

Начнем описание методического обеспечения оценки и управления транзакционным кредитным риском с определения термина «скоринг». Кредитным скорингом называется быстрая, точная, объективная и устойчивая процедура оценки кредитного риска, имеющая под собой научное обоснование. Скоринг всегда представляет собой ту или иную математическую модель, которая соотносит уровень кредитного риска (вероятность дефолта заемщика) с множеством различных параметров, характеризующих заемщика — физическое или юридическое лицо. Сразу заметим, что моделей скоринга для решения одной и той же задачи, например оценки кредитного риска предприятий МСБ, может быть множество. Причем каждая из таких моделей выстраивается по индивидуальному алгоритму, использует свой набор факторов, характеризующих риск, связанный с кредитованием заемщика, и в результате получает пороговую оценку, которая и позволяет разделять заемщиков на «плохих» и «хороших». Смысл кредитного скоринга заключается в том, что каждому соискателю кредита присваивается индивидуальная оценка кредитного риска — вероятности дефолта. Сравнение значения вероятности дефолта, полученной для конкретного заемщика, со специфичной (подчеркнем это) для каждой модели скоринга пороговой оценкой помогает решить труднейшую проблему выбора при выдаче кредита: давать средства данному заемщику или нет. Таким образом, скоринг по сути является автоматической или автоматизированной процедурой, классифицирующей заемщиков на требуемое количество классов. В самом простом случае таких классов два — те, кому кредит выдать можно, и те, кому он строго «противопоказан».

Благодаря использованию скоринга банк получает возможность снижения числа «плохих» кредитов за счет фильтрации потока клиентских кредитных заявок. В качестве доказательства приведем данные по кредитованию физических лиц с использованием системы скоринга фирмы Fair Isaac. После «пропускания» факторов, характеризующих заемщика, через скоринговую модель мы получаем число (скоринговый балл), определяющее уровень кредитного риска, свойственного данному заемщику. Это число принимает одно из значений в интервале от 500 до 800. Каждое из значений в этом интервале характеризует различную вероятность погашения кредитных обязательств заемщиком. То есть разные значения кредитного скоринга подразумевают различные соотношения «хороших» и «плохих» заемщиков (рис. 2).

Рисунок 2

На рис. 2 на горизонтальной оси откладывается значение скорингового балла, рассчитываемого моделью, а на оси ординат — соответствующая данному скоринговому баллу вероятность дефолта заемщика. Как видно из рисунка, рост скорингового балла заемщика сопровождается падением вероятности его дефолта: чем выше скоринговый балл, тем более устойчив конкретный заемщик к проявлению кредитного риска. Рисунок иллюстрирует эту зависимость: если в банк обратятся 100 человек, у которых скоринговый балл превышает 800, то только один из них не вернет взятые средства. И наоборот, если в компанию обратятся 100 человек со скоринговым баллом 499 и менее, то 87 из них не вернут средства, взятые в долг. Таким образом, кредитуя заемщиков с высоким значением скоринга, банк уменьшает вероятность невозврата кредитов. Тем самым уменьшаются потери и увеличивается прибыль от кредитной деятельности без снижения стандартов кредитования.

Как устроен скоринг? Что внутри?

Для создания систем скоринга необходимо несколько ингредиентов. Их рассмотрение начнем с анализа моделей скоринга, используемых для оценки кредитоспособности предприятий, поскольку именно для предприятий уже разработаны модели скоринга, структура которых описана в научной периодике. Наиболее известной из таких моделей является модель Э. Альтмана, первый вариант которой был разработан в 1968 г. на основе статистических данных менее чем 70 американских компаний, половина из которых обанкротилась. Эта модель предназначена для оценки кредитоспособности крупных публичных компаний базовых отраслей американской экономики. Модель Альтмана не может быть использована для оценки кредитоспособности, например, предприятий малого бизнеса. Поэтому в 1984 г. исследователем Д. Фулмером была создана специальная модель оценки кредитоспособности малых предприятий с годовым оборотом около $0,5-1 млн. Третья из рассматриваемых нами моделей создана всемирно известной фирмой Fair Isaaс — признанным лидером в разработке моделей скоринга для кредитования физических лиц. Это одна из наименее публичных моделей, о внутреннем устройстве которой известно немного. Может ли что?то объединять модели скоринга для столь различных объектов: крупных предприятий, предприятий малого бизнеса и физических лиц? Оказывается — да, может! Этим объединяющим моментом для всех трех типов моделей является равенство:

где Z — значение оценки скоринга (скоринговый балл);
a k — весовые коэффициенты, характеризующие значимость факторов риска;
X k — факторы риска, определяющие кредитоспособность заемщика.

Эта формула предназначена для расчета значения кредитного скоринга, или численного значения, характеризующего качество кредитоспособности заемщика. Именно такая (или аналогичная) формула является «ядром» практически любой системы скоринга. В частности, в модели Альтмана она принимает вид:

где коэффициенты модели принимают значения 1,2; 1,4; 3,3; 0,6; 0,999 и являются весами, определяющими значимость факторов риска; символы A, B, C и т.д. — факторы риска. Например, А — отношение оборотного капитала к совокупным активам; В — отношение нераспределенной прибыли прошлых лет к совокупным активам; С — отношение прибыли до уплаты процентов и налогов к совокупным активам; D — отношение рыночной капитализации к полной балансовой стоимости долговых обязательств; Е — отношение объема реализации к совокупным активам.

В модели Фулмера аналогичная формула для оценки кредитоспособности приобретает следующий вид:

Z = 6,075 + 5,528V 1 + 0,212V 2 + 0,073V 3 + 1,270V 4 + 0,120V 5 +
+ 2,335V 6 + 0,575V 7 + 1,083V 8 + 0,849V 9 ,

где V 1 — отношение нераспределенной прибыли прошлых лет к совокупным активам;
V 2 — отношение объема реализации к совокупным активам;
V 3 — отношение прибыли до уплаты налогов к совокупным активам;
V 4 — отношение денежного потока к полной задолженности;
V 5 — отношение долга к совокупным активам;
V 6 — отношение текущих пассивов к совокупным активам;
V 7 — логарифм материальных активов;
V 8 — отношение оборотного капитала к полной задолженности;
V 9 — логарифм отношения прибыли до уплаты процентов и налогов к выплаченным процентам.

Две описанные модели скоринга, как и множество других моделей, объединяет общее свойство — их многомерность, которая может быть проиллюстрирована в простейшем случае для двух факторов риска геометрической «интерпретацией» (рис. 3), где факторы риска кредитоспособности — это некие переменные X1 и X2 (их конкретный смысл в данном случае не важен).

Рисунок 3

Заемщики двух классов представлены на рисунке овалами разных цветов: одни, например «плохие», — серым овалом, тогда как другие («хорошие») — черным. Отличить «плохих» заемщиков от «хороших» ни по одному фактору риска в отдельности не представляется возможным (из-за значительного пересечения функций распределения факторов риска — колоколообразных кривых). На рис. 3 колоколообразные кривые по осям факторов риска образуются за счет проецирования на эти факторы риска групп «хороших» и «плохих» заемщиков. Данные проекции — функции плотности вероятности — описывают частоту встречаемости используемых для скоринга свойств заемщика в классифицируемых группах. Бльшая область пересечения этих кривых по любому из факторов риска говорит о невозможности отличить «плохих» заемщиков от «хороших». Заемщики разных классов очень похожи друг на друга, если оценивать их по первому и по второму факторам риска. Модель скоринга «ищет», используя статистику ранее обработанных кредитов, такой «угол зрения» на данные в пространстве факторов риска (в нашем случае оно двумерно, а в общем случае — многомерно), чтобы рассматриваемые под этим «углом» объекты разных классов были максимально не похожи друг на друга. На рис. 3 этот «угол зрения» обозначен пунктирной прямой, проходящей между серым и черным овалами и разделяющей их. Перпендикуляр к этой прямой и является осью скоринга, проецирование на которую образов «плохих» и «хороших» заемщиков дает возможность отличить их друг от друга. Точка пересечения данных прямых дает пороговое значение скоринга (уровень отсечения) — Z*. Функции плотности заемщиков разных классов при проецировании на ось скоринга Z становятся отличными друг от друга. Откуда в модели появляются численные значения коэффициентов, взвешивающих входящие в нее факторы риска? Эти коэффициенты — результат процедуры обучения, когда для настройки модели ей предъявляются имеющиеся статистические данные о выданных кредитах и результативности этого процесса («плохие» и «хорошие» заемщики) и она итеративно «подбирает» коэффициенты таким образом, чтобы точность распознавания «плохих» и «хороших» заемщиков была максимальной. На рис. 3 это подбор угла наклона прямой, рассекающей серый и черный овалы, и точки пересечения этой прямой с осью ординат.

Для определения коэффициентов модели необходимо, чтобы статистическая выборка была разбита по тем группам заемщиков (в простейшем случае их две — «плохие» и «хорошие»), которые должна распознавать скоринговая модель. Эта проблема обозначается термином «кредитное кладбище». Более того, к данным, используемым для подбора коэффициентов, предъявляются довольно жесткие требования: чтобы эти коэффициенты «чувствовали» «плохих» заемщиков, тех должно быть достаточно много (а у многих наших банков количество «плохих» заемщиков невелико, поскольку они только пытаются учиться кредитовать предприятия МСБ). Цифры, характеризующие отношение «плохих» заемщиков к «хорошим», типичны для многих банков: от 1 к 100 до 10-15 к 100 (по нашему опыту, порядок величин не сильно варьируется). Конечно, в результате кризиса 2008 г. число «плохих» заемщиков выросло до такой степени, что многие банки были близки к краху, но… проблемы с базами статистических данных по-прежнему существуют даже у таких банков, так как их падение было обусловлено большой концентрацией предприятий конкретных отраслей в их кредитных портфелях. К таким отраслям, превалировавшим в портфелях банков, относились строительство и торговля. Говорить о возможности реализации процедуры статистического обучения, даже при таких «кредитных кладбищах», пока нельзя. Помимо количественного соотношения в обучающей статистике «плохих» и «хороших» кредитов, важным фактором является общее количество примеров для каждой отрасли. А формирование портфелей из столь различающихся экономически отраслей, как торговля и строительство, приводит к тому, что мы пытаемся описать одной моделью различные объекты. Строительство характеризуется значительным объемом основных средств и достаточно медленным оборотом капитала, тогда как торговля — малым объемом основных средств и высоким оборотом капитала. Отметим, что чем подробнее описание заемщика (к чему, естественно, стремится любой кредитор, используя большее число признаков), тем большее количество как «хороших», так и «плохих» примеров должно содержать используемое «кредитное кладбище». Таким образом, для создания скоринга, использующего процедуру обучения «с учителем» (сюда относятся обе обсуждаемые нами модели), нужно, чтобы набралось достаточное число заемщиков, нанесших урон банку. Есть обходной путь, требующий использования экспертных знаний. Однако выбирая его, следует понимать, как можно оценить состав требуемых для скоринга признаков, значимость того или иного признака кредитоспособности и как объединять мнения множества экспертов по этому поводу, поскольку полагаться при выдаче кредитов на мнение одного человека опасно. Именно поэтому при формализации экспертных знаний мы все равно попадаем на «дорогу», ведущую нас к статистическому скорингу.

В завершение данного раздела обратим внимание на то, что алгоритмы, выбранные нами для обучения модели скоринга, относятся к классу статистических моделей: для построения моделей необходимы обучающая выборка и процедура статистического обучения. Это означает, что у модуля скоринга должно существовать как минимум два режима функционирования. Первый, при наличии данных, режим для обучения модели: нахождения таких коэффициентов модели, которые наилучшим образом позволят отклассифицировать выборку статистических данных. Второй режим — собственно эксплуатация построенной модели, в этом режиме модель обеспечивает реализацию классификации входного потока заемщиков на педустановленные в режиме обучения классы. Для реализации первого режима — обучения модели скоринга — необходимо выполнить несколько предварительных условий. Во-первых, статистические данные должны быть предварительно подготовлены специальным образом: выборка данных должна быть разделена на две части — обучающую и тестовую. В обучающей выборке необходимо собрать данные о потенциальных заемщиках в избыточном объеме. В нее следует включить переменные, которые потенциально могут оказаться полезными для решения вопроса о кредитоспособности заемщиков, а уж выбор конкретных переменных для включения в скоринговую модель осуществляется в процессе обучения и без участия человека. Во-вторых, пользователь (банковский специалист) должен иметь возможность выбирать из нескольких типов моделей скоринга (мы говорим о двух наиболее распространенных алгоритмах: логистической регрессии и деревьях решений). Все сказанное проиллюстрировано на рис. 4.

Рисунок 4

В левой части рисунка приводится блок-схема функционирования модуля скоринга в режиме обучения, а в правой — в режиме эксплуатации. Первый из описываемых режимов функционирования данного модуля обеспечивает отбор из избыточного набора признаков того подмножества, которое обеспечивает требуемый уровень классификации, то есть именно в этом режиме и строится математическая модель скоринга (например, определяются коэффициенты логистической регрессии). Но для построения модели скоринга необходимо как-то обеспечить остановку процедуры обучения, для чего используется специальная модель, которая рассчитывает так называемую ROC-кривую и показатель качества модели скоринга — AUC. После того как в процессе статистического обучения будет достигнут требуемый уровень качества модели, процедура статистического обучения завершается и модель переходит в режим эксплуатации. На рис. 5 представлена ROC-кривая, полученная при внедрении системы скоринга в одном из российских банков, входящих в топ-100. По вертикальной оси на графике откладывается процент «плохих» заемщиков, которых вылавливает модель из общего количества заемщиков с недостаточным кредитным качеством. По горизонтальной оси откладывается доля заемщиков из общего потока заемщиков — потенциальных клиентов, которым будет отказано в получении кредитных средств. Биссектриса прямого угла, идущая слева направо на рисунке, показывает скоринговую модель, которая для принятия решения «бросает монетку» (случайный классификатор). Понятно, что чем лучше скоринговая модель, тем «круче» должна проходить ROC-кривая.

В идеальной модели она должна совпадать с прямым углом (левым верхним). Это означает, что модель распознает всех «плохих» заемщиков в обучающей выборке, но при этом никому необоснованно не отказывает в кредите, а этого быть не может. Как видно из иллюстративного примера, характеризующего скоринг в почти идеальной ситуации, всегда существует некое пересечение образов «хороших» и «плохих» заемщиков. Поэтому в реальности кривая должна лежать в промежуточном положении (между биссектрисой и левым верхним углом). Качество модели, ROC-кривая для которой приведена на рис. 5, было весьма высоким, показатель AUC для нее равнялся 0,85.

Рисунок 5

Проблемы получения модели скоринга для кредитования МСБ

Как уже говорилось выше, введение скоринга в банковский менеджмент становится весьма актуальным из-за роста как потребительского, так и коммерческого кредитования. Обозначим проблемы, с которыми придется столкнуться на этом пути банковскому сообществу.

Попытка применить модель Альтмана для Газпрома, Роснефти или ЛУКОЙЛа, по крайней мере с формальной точки зрения, не встретит никаких трудностей. Есть данные официальной отчетности, есть весовые коэффициенты, а значит, можно вычислить оценку кредитоспособности заемщика. Но что делать, если надо оценить не упомянутые крупнейшие компании, а «свечной заводик отца Федора», акции которого не котируются не то что на NYSE, но даже на ММВБ (напомним, что мы рассматриваем оценку кредитоспособности предприятий МСБ). Даже беглого взгляда на соответствующую формулу достаточно, чтобы увидеть, что из пяти объясняющих переменных в случае «свечного заводика» в формуле остаются только четыре переменные. Оценка скоринга (значение Z в формуле) уменьшится (хотя, строго говоря, это произойдет только в том случае, если на место D поставить 0), что на самом деле не соответствует рассматриваемому случаю). Как отмечалось, значение скоринга для конкретного заемщика сравнивается с пороговой величиной:

Z > Z* — «хорошие» заемщики;
Z < Z* — «плохие» заемщики.

Однако, если нельзя учесть некоторые переменные (если акции предприятия не котируются на бирже, то переменная D отсутствует в описании кредитного качества), ломается сам «измерительный инструмент», представленный моделью (численная оценка без учета фактора D, например, всегда будет смещена в область худших оценок скоринга). В реальности ситуация еще сложнее: не принимая во внимание переменную D, мы изменяем, не желая того, геометрию пространства факторов риска и, как следствие, весовые коэффициенты и по другим факторам риска заемщика. Меняется сама модель: критическое значение скоринговой оценки (порог отсечения), с которым сравнивается оценка каждого заемщика, становится другим. Следовательно, в наших условиях сам выбор объясняющих переменных для оценки скоринга российских фирм является весьма нетривиальной задачей. Э. Альтман построил свою модель на данных всего 60 компаний, в ней отражена вполне конкретная отраслевая специфика бизнеса (базовые отрасли американской экономики), она никак не учитывает риски, связанные с бизнес-циклами в России, и риски, свойственные компаниям с другой отраслевой принадлежностью. Поэтому можно констатировать следующее: использование такого рода модели путем ее механического переноса в наши условия становится мощнейшим фактором риска кредитной оценки — тем, что в риск-менеджменте называется модельным риском. Очень яркий пример рисков, связанных с применением моделей статистического скоринга, приводится в одной из работ, посвященных изучению эффективности скоринговых моделей1. В ней говорится, что набор переменных, формирующих оценку скоринга, может изменяться с течением времени и что «граница» между анализируемыми группами может быть не линейной (как показано на рис. 3), а иметь существенно более сложную форму, которая не сможет быть описана простейшей формулой типа модели Альтмана. Авторы этой статьи исследовали несколько математических подходов для построения скоринга, где в качестве факторов риска использовался 31 финансовый коэффициент, характеризующий различные стороны финансового состояния компании. Ими проанализировано 11 моделей скоринга, разработанных в период с 1931-го до 1996 г., для построения которых применялись три математических подхода: дискриминантный анализ, логит-модель и генетические алгоритмы. Авторы статьи показали два основных момента. Первый связан с фактом изменения состава факторов риска в модели скоринга: он изменяется в зависимости от времени — чем раньше до будущего банкротства его надо «увидеть» скорингу, тем большее количество переменных в модели надо учесть. Второй связан с тем, что граница между классами заемщиков нелинейна: точность оценок, получаемых с помощью скоринга, основанного на генетических алгоритмах (они генерируют нелинейную границу), существенно выше, чем у моделей, основанных на дискриминантном анализе (он генерирует линейную границу). Правда, первый подход требует в среднем в три раза больше переменных, чем второй.

Рассмотрение проблемы управления кредитными рисками не будет полным, если мы не затронем проблем и возможных путей их решения при проектировании системы управления кредитными рисками не только физических, но и юридических лиц. Мы это сделаем на примере оценки кредитоспособности предприятий малого и среднего бизнеса. Цель данного раздела статьи — показать, что предложенный состав и архитектура сохраняются при переходе от кредитования физических лиц к кредитованию предприятий малого и среднего бизнеса. Доказательство этого факта позволит говорить о том, что предлагаемый нами состав модулей системы управления кредитными рисками и его функциональная архитектура являются универсальными.

Очевидно, что первой проблемой, с которой мы столкнемся при переходе к измерению кредитного риска малых и средних предприятий, является тот факт, что для этого типа заемщиков не накоплен достаточный фактический материал. Для сохранения универсальности предложенной нами функциональной архитектуры и состава модулей, формирующих систему управления транзакционной частью кредитного риска, мы предлагаем несколько расширить логическую модель скоринга для предприятий МСБ. Предлагаемое расширение представлено блок-схемой на рис. 6.

Рисунок 6

Суть изменений логической структуры скоринговой модели сводится к тому, что традиционный для решения этой задачи состав алгоритмов (деревья решений, логистическая регрессия и т.д.) расширяется, и в модель мы предлагаем включить алгоритмы SD-моделирования. Причины, по которым мы предлагаем такое решение, следующие:
— в отсутствие статистических данных традиционный набор алгоритмов оказывается просто бесполезным по причине невозможности реализовать обучение модели;
— для принятия решений о кредитовании в случае предприятий малого и среднего бизнеса на кредитоспособность заемщика оказывает влияние существенно больший спектр переменных, чем для физических лиц;
— широко известен факт, что бухгалтерская отчетность предприятий российской экономики часто очень слабо отражает реальное положение дел в бизнесе в силу того, что она очень сильно искажается в связи с налоговой «оптимизацией»;
— скоринговая модель должна отражать отраслевую специфику предприятий МСБ.

В частности, в контексте второго утверждения можно говорить о необходимости учета в скоринговой модели для МСБ не только финансовой информации. Очень важно, в силу масштабных эффектов, оценивать экономическое окружение скорингуемых предприятий. Важно учесть в моделях скоринга такие переменные внешней среды, как спрос и предложение. При их вариациях могут претерпевать резкие изменения и денежный поток предприятия и все его финансовые показатели, на которых обычно строятся скоринговые модели для юридических лиц. Кроме того, на состоянии предприятий, опять-таки в силу их малого масштаба, могут сказываться и особенности управления. Поэтому крайне важно иметь возможность учитывать качество управления предприятием. И если оценить в числовой форме состояние спроса и предложения в отрасли, к которой принадлежит предприятие, не составляет труда, то оценить качество управления предприятием является нетривиальной задачей. Для этого необходимо, чтобы модель могла потреблять экспертную информацию. Включение в логическую структуру скоринговой модели для предприятий МСБ блока SD-моделирования позволяет адекватно учесть все вышеперечисленные требования. Для реализации любой SD-модели, как известно, в качестве первого шага необходимо составить когнитивную карту. Когнитивная карта представляет собой диаграмму причинных влияний в виде направленного графа. Узлы этого графа представляют собой переменные, которые включаются аналитиком в описание кредитоспособности предприятия, а ребра — причинные влияния переменных друг на друга. На рис. 7 представлена когнитивная карта гипотетического предприятия лесной индустрии, которое занимается заготовкой и переработкой леса.

Такое изменение в логической структуре скоринговой модели обеспечивает не только решение четырех проблем, перечисленных нами ранее, но и возможность динамической оценки кредитоспособности предприятий МСБ. Использование в модели скоринга SD-модели позволяет сгенерировать недостающие для построения статистического скоринга данные. За счет прямого учета объема, сроков и типа займов (рис. 7) модель позволяет сгенерировать «кредитное кладбище», определив состояние дефолта как невозможность погасить текущую задолженность в течение, скажем, трех месяцев. Варьируя входные показатели модели, такие как спрос, предложение, качество менеджмента, параметры кредита, мы в процессе SD-моделирования получаем различные траектории для денежного потока предприятия, а значит, и разные условия выпадения заемщика в дефолт (при разных сочетаниях входных параметров модели мы имеем и разные финансовые показатели). Имея таким образом сгенерированное искусственное «кредитное кладбище», мы можем стандартным способом применить на указанной статистике традиционные алгоритмы скоринга в виде той же логистической регрессии. Но, кроме того, мы получаем существенный выигрыш от изменения логической структуры модели за счет того, что такая модель позволяет не только решить проблему отсутствия статистических данных, что важно для режима обучения, но и существенно расширяет функциональность скоринга в режиме эксплуатации скоринговой модели.

Поясним, что нового дает расширение логической структуры для последнего режима. Во-первых, мы можем генерировать сколь угодно большие выборки данных, что обеспечивает точность моделей статистического обучения, которые позволят учесть отраслевую специфичность бизнеса кредитуемых предприятий МСБ. В силу отсутствия ограничений на объем генерируемых искусственных данных по дефолтам предприятий МСБ (каких в реальной жизни в требуемом количестве никогда не бывает) мы учитываем в структуре когнитивной карты отраслевую специфичность: предприятия торговли характеризуются быстрым оборотом капитала и низкими основными фондами, в то время как производственные предприятия характеризуются большими значениями основных фондов и медленной скоростью оборота. За счет использования в когнитивной карте экспертной информации мы можем моделировать влияние на денежные потоки качества управления, а при использовании макроэкономической статистики — влияние вариации спроса и предложения на объемы продаж оцениваемого предприятия. И, наконец, мы можем моделировать денежные потоки предприятия в динамике за счет именно SD-моделей в структуре скоринга, что позволит нам более рационально формировать график платежей. Кроме того, динамичность получаемых оценок позволит нам естественным образом в рамках одной и той же модели реализовать не только аппликативный, но и поведенческий скоринг, если в течение периода обслуживания кредита у оцениваемого предприятия вдруг возникнут проблемы с погашением его задолженности. Такая структура скоринговой модели позволит нам в момент возникновения проблем эффективно оценить перспективы погашения возникшей задолженности и принять в отношении такого заемщика более обоснованные управленческие решения.

Рисунок 7

Вместо заключения: что еще нужно для «спокойной» жизни в кредитном бизнесе?

В силу того что кредитный риск устроен иерархически (имеет три уровня — от транзакционного до аллокационного), для управления кредитными рисками нам понадобится еще два комплекса моделей. Первый будет служить целям управления портфельным кредитным риском, а предназначение второго состоит в поддержке управленческих решений в части аллокации кредитного капитала по регионам присутствия банка и по продаваемым продуктам. Кроме того, даже на транзакционном уровне для управления кредитными рисками заемщиков недостаточно просто классифицировать входной поток заемщиков на «хороших» и «плохих». Необходим еще целый ряд функций, без использования которых применение скоринга не будет давать удовлетворительных результатов. Эти две темы будут рассмотрены нами позже.

Оценить:

1 0