Поможет анализ индивидуальных характеристик заемщиков и опережающих экономических индикаторов. Любой кризис весьма остро ставит вопрос об управлении кредитными рисками. В годы экономического спада кредитные портфели банков, как правило, сокращаются, а сами банки значительно ограничивают выдачу новых кредитов или даже прекращают работать с некоторыми категориями клиентов. Однако эти ограничения не всегда оправданны. В ряде случаев банки могут успешно продолжать кредитование, сохраняя приемлемый уровень просроченной задолженности. Но как понять, насколько обоснована такая стратегия? И как определить, когда дно кризиса уже пройдено и можно постепенно наращивать выдачу кредитов?
Представим, что 100 человек обратились в банк за кредитом. При рассмотрении заявок банк отвечает на два вопроса. Первый: сколько заемщиков из 100 скорее всего не вернут кредит. Второй: как можно распределить обратившихся по уровню риска невозврата – кто не вернет кредит с большей вероятностью, а какие заемщики являются надежными.
Как понять, сколько клиентов не вернут долг? В обычных условиях это определяется на основе статистики невозврата в прошлые периоды. Но во время экономического спада такие исторические данные дадут заниженную оценку. Напротив, в периоды экономического роста банк может стать заложником слишком консервативного подхода. Все больше банков при определении уровня невозврата используют опережающие индикаторы, например уровень безработицы, индекс цен на жилье, курсы валют. Динамика этих показателей позволяет спрогнозировать, как будет меняться уровень невозврата при изменении экономической ситуации в конкретный момент времени.
В свою очередь, чтобы ранжировать клиентов по уровню риска, нужно проанализировать множество их индивидуальных характеристик. Последние можно разделить на два типа: постоянные, которые могут подвергаться несущественным ситуативным изменениям, и поведенческие, отражающие реакцию человека на конкретные внешние стимулы. К первым относятся, например, демографические параметры (пол, возраст, место рождения), а также образование и профессия. Эти факторы не дают достаточной информации для ранжирования клиентов по уровню риска в меняющейся экономической ситуации. Наш опыт показывает, что в таком случае более гибко ориентироваться, а значит, точнее оценивать риск невозврата банку позволяют поведенческие характеристики.
Какие из них дают больше всего информации? Во-первых, если за кредитом обратился действующий клиент банка, необходимо проверить его операции по счетам. О возникновении финансовых трудностей могут свидетельствовать, например, снижение ежемесячных поступлений на текущий счет, досрочное изъятие депозита, просрочки платежей по уже используемым кредитным продуктам, рост количества и объемов платежей по картам, участившееся снятие крупных сумм наличных, изменение поступлений на зарплатный счет. Ряд российских банков уже используют этот подход, в первую очередь для розничных заемщиков и клиентов из малого и среднего бизнеса.
Во-вторых, сегодня, в отличие от предыдущих кризисов, мы можем получить гораздо больше информации об онлайн-поведении заемщика. Российские банки в сотрудничестве с финансово-технологическими стартапами уже используют для кредитного скоринга данные социальных сетей и семантический анализ материалов, которые в них публикуют клиенты. Как показывает практика, сигналом тревоги может стать, в частности, если клиент стал чаще обновлять свой статус в социальных сетях, если он делает это в нетипичное для него время и к тому же пользуется словами с негативной окраской. Также в числе факторов риска – отсутствие аккаунта или недавняя регистрация в социальных сетях, наличие неплательщиков по кредитам в числе друзей. Наличие регистрации в соцсетях, которыми пользуется средний класс и более состоятельные заемщики, – напротив, положительный фактор.
При оценке риска стоит также обратить внимание на поведение клиента на веб-сайте банка и в мобильном приложении. Например, один западный онлайн-банк анализирует поведение заемщиков на странице подачи заявки на кредит. Учитывается множество факторов, в том числе такие: как долго потенциальный заемщик читал условия кредитования, с какого устройства он зашел на страницу, как он работал с онлайн-калькулятором, показывающим зависимость суммы кредита и ежемесячных выплат. Если клиент не читал условий, зашел с недорогого устройства и сразу выставил максимальную сумму кредита, то его уровень риска можно оценить как высокий.
Наконец, можно оценить и перемены в потребительском поведении действующих клиентов, в том числе изменение структуры потребления или стоимости покупок. Если клиент раньше регулярно покупал предметы роскоши, а теперь перестал или же перешел на более дешевые альтернативы в рамках определенных продуктовых категорий, это может свидетельствовать о финансовых трудностях. Это касается и банковских продуктов. Например, один банк в СНГ проводит анализ того, в какое отделение потенциальный заемщик обратился за кредитом. Если есть отделение, которое находится ближе к его дому или работе, а он обратился в то, что находится дальше других, куда добираться неудобно, то считается, что уровень риска такого заемщика выше. Потребительское поведение эффективнее всего анализировать в связке с данными о банковских операциях.
Если банк умеет эффективно использовать данные о потенциальных заемщиках и оперативно корректировать уровень отсечения по рисковым моделям, кредитование в кризис совершенно необязательно приостанавливать. Нужно лишь переориентироваться на сегменты, о которых вам доступно больше данных. Это могут быть существующие клиенты банка, клиенты магазинов-партнеров, а также те потенциальные заемщики, чье поведение в сети банк может изучить. Также стоит проанализировать данные о компаниях и отраслях, где работают потенциальные клиенты. К примеру, если банку стало известно, что некая компания планирует сократить операционные расходы и штаты, это должно стать дополнительным фактором риска при рассмотрении кредитных заявок от сотрудников этой компании.
Использование эффективных методов оценки риска дает ощутимые результаты. Для банков, уже имеющих рисковые модели, внедрение более продвинутых техник моделирования может снизить потери на 20-30% (либо позволит на 20-30% повысить уровень выдач при сохранении уровня риска).
По окончании кризиса кредитование можно вновь расширить на массовый сегмент. Как определить, что он завершился? Для начала стоит использовать упомянутые выше опережающие индикаторы. Но есть и альтернативные подходы: например, регулярно анализировать собственную базу клиентов и изучать преобладающие паттерны и модели поведения. Если доля клиентов с «некризисной» моделью поведения быстро и устойчиво растет, а уж тем более превышает долю тех, кто живет по кризисным законам, это явный сигнал, что экономический спад подходит к концу. Этот метод, впрочем, можно использовать и на более ранних этапах, когда банку нужно понять, действительно ли наступил спад и насколько он серьезен.
Поэтому, чтобы быть готовыми к следующему кризису, нужно уже сейчас внимательно изучать модели поведения клиентов, собирать максимально возможное количество информации о них, а также тестировать новые модели управления кредитными рисками.
В подготовке статьи участвовали Семен Яковлев, партнер McKinsey и руководитель банковской практики в СНГ; Виталий Колаев, руководитель проектов McKinsey; Ольга Подиновская, старший аналитик банковской практики McKinsey; Ирина Кремлева, эксперт.
Мнения экспертов банков, финансовых и инвестиционных компаний, представленные в этой рубрике, могут не совпадать с мнением редакции и не являются офертой или рекомендацией к покупке или продаже каких-либо активов.
Источник: Ведомости