Для полноценного анализа активов рассмотрим их структуру и состав. Структура активов представлена на рис. 6.
Рис. 6. Структура и состав активов
Активные операции Тюменского городского отделения Сбербанка России составляют существенную и определяющую часть его операций. Под структурой активов понимается соотношение разных по качеству статей актива баланса банка к балансовому итогу.
Анализ динамики состава и структуры активов баланса дает возможность установить размер абсолютного и относительного прироста или уменьшения, как в целом так и отдельных его видов. Прирост либо уменьшение актива свидетельствует о расширении, либо сужении деятельности предприятия.
Проведем анализ статей активов баланса Тюменского городского отделения Сбербанка России, для этого составим следующую таблицу.
Таблица 2.2.4 - Состав и структура актива баланса, тыс. руб.
| Показатели | 01.01.2006г. | 01.01.2007г. | 01.01.2008г. |
| Денежные средства | 189376 | 321321 | 365988 |
| Резервы в Центральном банке | 70953 | 115541 | 170135 |
| Ценные бумаги | 288621 | 492854 | 612774 |
| Средства в других банках | 19101 | 74041 | 154011 |
| Кредиты выданные | 2553837 | 3557475 | 3858083 |
| Основные средства | 90262 | 122523 | 210764 |
| Прочие активы | 21824 | 52619 | 152734 |
| Итого активов | 3233974 | 4736374 | 5524489 |
Источник: [28]
По данным таблицы 2.2.4 можно сказать о том, что в целом по Тюменскому ОСБ № 29 валюта баланса за анализируемый период неизменно повышалась. Так, если на 1 января 2006 года она составила 3233974 тыс. руб., то по данным на 1 января 2008 года валюта баланса составила 5524489 тыс. руб. Абсолютное увеличение валюты баланса Тюменского городского отделения произошло на 2290515 тыс. руб. или более чем в 1,5 раза. Наибольший удельный вес в составе активов банка занимает такая статья, как Кредиты выданные, которая увеличилась более чем в 1,5 раза. Данная статья в структуре баланса на 1 января 2006 года занимала 78,97% от общей суммы активов или в денежном выражении 2553837 тыс. руб. На 1 января 2008 года удельный вес данной статьи занимает 69,84% от общей суммы активов или 3858083 тыс. руб.
По данным таблицы 2.2.4 можно сказать, наибольшему изменению за весь анализируемый период подверглась такая статья актива, как ценные бумаги. Если в структуре активов данная статья по данным на 1 января 2006 года занимала 8,92%, то на 1 января 2008 года данная статья увеличилась до 11,09% от общего количества активов. За анализируемый период данная статья увеличилась более чем в 2 раза или в абсолютном выражении увеличение произошло на 324153 тыс. руб. В целом картина актива баланса банка довольно оптимистична, это видно по неизменному росту как валюты баланса в целом, так и статей в частности.
Далее перейдем к анализу производственных и непроизводственных активов банка. Данный анализ проводится на основе группировки статей актива баланса путем разделения их на производственные и непроизводственные. К числу производственных активов относятся: выданные кредиты, размещенные депозиты, вложения в ценные бумаги и другие доходные активы. К числу непроизводственных активов относятся средства в кассе и на корреспондентских счетах, обязательные резервы, перечисленные в Банк России, средства отвлеченные в расчеты, дебиторы, капитализированные активы и другие активы, не приносящие дохода.
Анализ эффективности использования активов банка проводится с помощью коэффициента (Кэф), который определяется как отношение величины активов, приносящих доход, к общей сумме активов банка.
Кэф2006 = 2861559 / 3233974 = 0,88
Кэф2007 = 4124370 / 4736374 = 0,87
Кэф2008 = 4624862 / 5524489 = 0,84
Немаловажную роль в анализе качества состава активов банка играет коэффициент нагрузки производственных активов, который определяется как отношение величины непроизводственных активов к производственным. Данный коэффициент показывает, сколько «неработающих» активов приходится на 1 рубль активов приносящих доход.
Кн2006 = 2861559 / 3233974 = 0,13
Кн2007 = 4124370 / 4736374 = 0,14
Кн2008 = 4624862 / 5524489 = 0,19
По данным коэффициента нагрузки производственных активов можно сказать, что на 1 января 2006 года на 1 рубль активов приносящих доход приходится 0,13 руб. непроизводственных активов, на 1 января 2008 года непроизводственных активов приходилось 0,19 тенге на 1 руб. активов приносящих доход. Из этого видно, что произошло увеличение коэффициента нагрузки на 0,6 пунктов. Этот результат показывает, что банк не осуществляет политику по поводу уменьшения доли непроизводственных активов в структуре активов банка, а, наоборот увеличивает их
Несмотря на данный факт увеличения непроизводственных активов наибольший удельный вес занимают производственные активы, при чем за анализируемый период наблюдался неизменный рост. Данный рост можно назвать благоприятным.
По структуре активов Тюменского городского отделения видно, что основная часть приходится на кредиты (нетто), если сделать анализ активов по каждому виду активных операций, то можно узнать какая доля больше приходится на кредиты сроком до 1 года и на кредиты свыше года.
Таблица 2.2.5 - Анализ активных операций по срокам кредитов
| Статья баланса | 2006 год | 2007 год | 2008 год | |||
| сумма | % | сумма | % | сумма | % | |
| Кредиты сроком до 1 года | 1659994 | 51,3 | 3649020 | 74,0 | 3854218 | 69,8 |
| Кредиты сроком свыше года | 893843 | 27,6 | 1087354 | 23,0 | 1670271 | 30,2 |
| Всего кредитов | 2553837 | 100 | 3557475 | 100 | 3858053 | 100 |
Источник: [28]
Результаты поисков и анализа привели Российские банки к тому, что исходная задача из плоскости традиционных чисто математических и статистических подходов вышла на уровень более сложной постановки - экспертной системы с математическим модулем распознавания в условиях неопределенности параметров, моделирующим процесс принятия решения кредитным инспектором на основе подходов систем искусственного интеллекта. Данный подход на порядок превосходит обычные статистические постановки по сложности реализации, но позволяет запустить систему, обладая минимальной информацией по объекту распознавания.
После выдачи кредита эта система сможет анализировать поведение клиентов, классифицировать их по типам кредитного поведения и выдавать рекомендации по работе с ними. Например, подсказывать, каким клиентам надо увеличить лимит или предложить новый продукт. Более широко, она решает задачу автоматизированного анализа и выработки оптимальных решений и подсказок при работе с массовым клиентом.
Скоринг - система позволит заемщику:
- Получить кредит без залога;
- Ускорить процедуру выдачи кредита;
- Формировать самому клиенту список документов, которые нужно предоставлять банку (система способна оценивать заемщика по широкому перечню параметров);
- Узнать размер предоставляемого кредита спустя считанные минуты после обращения.
Имея описанные возможности, клиент получает максимум информации и свободы в выборе действий, понимает ситуацию и даже может ей до определенной степени управлять. Это интереснее, чем отдать свою заявку в “черный ящик” и потом неделю ждать, какое решение из него выскочит.
Скоринг - система даст банкам:
- Ускорение процесса обработки кредитных заявок;
- Сокращение численности банковского персонала;
- Экономию за счет использования персонала более низкой квалификации;
- Обеспечение объективности и единообразия критериев в оценке заявок кредитными инспекторами во всех филиалах и отделениях банков;
- Контроль всех шагов рассмотрения заявки, включая саму методологию оценки, на основе информационной системы. Это позволяет регулировать объемы кредитования в зависимости от ситуации на рынке, вносить коррективы в методологию оценки централизованно и немедленно вводить в действие их во всех отделениях банков. Но это далеко не все.
Накапливаемые в системе данные смогут быть использованы для следующих целей:
- Изучения и классификации типов клиентов;
- Анализа клиентских предпочтений и потребностей в различных продуктах;
- Оценки качества кредитного портфеля и бизнеса (по различным направлениям и регионам);
- Оценки вероятного отклика различных клиентов на предложения им различных продуктов.
После накопления достаточной статистики скоринг - система сможет решать более сложные задачи. Например, нахождения оптимального, в смысле прибыли, уровня отсечения заявок (максимум разности между прибылью от “хороших” кредитов и потерями от “плохих”).
Кроме непосредственно скоринга кредитных заявок, будет решаться и задача скоринга поведения клиентов, уже получивших кредиты (вторичного скоринга). Основываясь на данных о действиях клиента, аккуратности погашения кредита, система автоматически выявит клиентов с повышенным риском невозврата, даст возможность определить можно ли увеличить данному клиенту лимит и на сколько, стоит ли предложить ему другой продукт и какой именно.
Еще один вид скоринга - определение оптимальной стратегии действий по отношению к клиентам, не возвращающим кредит (с какими клиентами стоит поработать самим и какими методами, а каких передать в агентство по возврату долгов). Рекомендации по такой стратегии также будут вырабатываться автоматически на основе данных о клиенте, о его операциях и о взаимодействии с банком.
С течением времени подходы к ведению крупного бизнеса претерпели существенные изменения. В данный момент любое крупное предприятие должно ориентироваться уже не на ценовую конкуренцию, а на инновационное лидерство своего предприятия среди конкурентов. Достичь этого результата можно лишь введением того, что называется научным подходом в принятии решений и реализации инновационных технологий.