Смекни!
smekni.com

Анализ кредитной политики банка ЗАО ВТБ 24 (стр. 2 из 4)

Банк ВТБ 24(ЗАО) предлагает следующие виды кредитования:

1) Кредит наличными

2) Кредит «Коммерсант»

3) Кредит «АвтоСтандарт»

4) Кредит «АвтоЛайт»

5) Кредит «АвтоЭкспресс»

6) Ипотечный кредит на строящееся или готовое жилье

7) Ипотечный кредит с переменной ставкой

8) Ипотечный кредит на залоговую недвижимость

Основная цель кредитной политики ЗАО «ВТБ-24» - формирование кредитного портфеля, позволяющего поддерживать качество активов на приемлемом уровне, обеспечивающего целевой уровень доходности, направленного на минимизацию кредитных рисков.

Процедура предоставления кредитов физическим лицам – трудоспособному населению - при краткосрочном, равно как и при долгосрочном кредитовании включает в себя следующие этапы:

1)Беседа с клиентом.

2)Анализ платежеспособности клиента и его поручителей на основании предоставленных документов.

3)Анализ качества предлагаемого обеспечения обязательств по кредиту.

4)Составление заключений о возможности выдачи кредита службами отделения - кредитной, юридической, службы безопасности.

5)Рассмотрение заявки на выдачу кредита на заседании кредитно-инвестиционного комитета отделения.

6)Оформление кредитного договора, договора залога, договоров поручительства и другой необходимой для получения кредита документации.

7)Контроль за целевым использованием кредита.

8)Контроль за своевременным поступлением средств в погашение кредита и причитающихся процентов.

9)Проведение мероприятий по возврату просроченной задолженности.

Далее проведем анализ качества кредитного портфеля ВТБ 24(ЗАО).

2.3 Анализ качества кредитного портфеля

Для того чтобы оценить эффективность кредитной политики банка, необходимо проанализировать его кредитный портфель. Кредитный портфель – это характеристика структуры и качества суд, классифицированных по определенным критериям: по отраслям, видам обеспечения, степени риска и срокам[5].

Управление кредитным портфелем происходит в несколько этапов:

- выбор критериев оценки качества отдельно взятой ссуды;

- определение основных групп ссуд с указанием связанных с ними процентов риска;

- оценка каждой выданной банком ссуды исходя из избранных критериев (отнесение ее к соответствующей группе);

- определение структуры кредитного портфеля в разрезе классифицированных ссуд;

- оценка качества кредитного портфеля в целом;

- анализ факторов, оказывающих влияние на изменение структуры кредитного портфеля в динамике;

- определение суммы резервного фонда, адекватного совокупного риску кредитного портфеля банка;

Кредитование является основным видом ВТБ 24(ЗАО). Кредиты составляют основную статью доходных активов в балансе банка, а полученные по ним проценты являются основной статьей банковских доходов. От качества кредитного портфеля зависят ликвидность и рентабельность банка, и само его существование. Поэтому анализ эффективности кредитных операций является одним из определяющих аспектов анализа экономической дельности банка[6].

Одним из основных источников анализа являются активы, приносящие прямой процентный доход, в которых наибольшую долю составляют, как правило, кредиты. Рассмотрим структуру ссудной задолженности ВТБ 24(ЗАО) по срокам размещения, которые представлены в таблице 2.5.

Таблица 2.5- Структура ссудной задолженности ВТБ 24(ЗАО)

Показатели 2007 г. 2008 г. 2009 г. Удельный вес 2007, % Удельный вес 2008, % Удельный вес 2009, %
Ссудная задолженность 260951716 455798210 564821327 100 100 100
В том числе:
Кредиты юридическим лицам 99221185 182319284 225928530 38,02 40,00 40,00
Кредиты предоставленные физическим лицам – индивидуальным предпринимателям 19620429 29406336 36440086 7,52 6,45 6,45
Кредиты предоставленные физическим лицам 137343008 227899105 282410663 52,63 50,00 50,00
Просроченные кредиты 4767094 16173485 20042048 1,83 3,64 3,64

Анализ структуры кредитного портфеля по состоянию на 01 января 2009 года показывает, он сформирован из кредитов, предоставленным юридическим лицам, в т.ч коммерческое кредитование 40,00% и кредиты физическим лицам – индивидуальным предпринимателям 6,45%; на 50% - физическим лицам. Таким образом, за анализируемый период наибольшее изменение в структуре кредитного портфеля произошло по статье коммерческое кредитование, изменение в относительном выражении составило 2,98%.

Рассмотрим структуру кредитного портфеля за 2007 г. и 2009г, которые изображены на рисунках 2.1 и 2.2.

Рисунок 2.1 –Структура кредитного портфеля ВТБ 24(ЗАО) за 2007 г.

Рисунок 2.2 –Структура кредитного портфеля ВТБ 24(ЗАО) за 2009 г.

Сопоставляя два рисунка можно сделать следующие выводы. Кредиты юридическим лицам увеличились на 2%, а кредиты физичиским лица и кредиты индивидуальным предпринимателям уменьшились. Данные обстоятельства можно обосновать таким фактором как экономический кризис, который повлиял на обеспеченность кредитов.

В целом качество кредитного портфеля можно оценить как удовлетворительное, что говорит об эффективности проводимой кредитной политики ВТБ24 (ЗАО) за анализируемый период. Однако отделению необходимо уделить особое внимание на рост просроченной задолженности заемщиков в общем ссудном портфеле, что говорит о необходимости повышения эффективности системы мониторинга и управления кредитным риском.

Выводы к главе 2

1) Изложены особенности кредитной политики ВТБ 24 (ЗАО). ВТБ 24 (ЗАО)предоставляет кредиты заемщикам на цели, предусмотренные их уставом для осуществления текущей и инвестиционной деятельности. Предоставление банком кредитов основывается на учете необходимых потребностей заемщиков в заемных средствах, наличии достаточных гарантий для своевременного их возврата.

2) Проведен анализ качества кредитного портфеля ВТБ 24 (ЗАО). Кредитный портфель представляет собой состав и структуру выданных кредитов по отраслям, видам обеспечения и срокам. При анализе кредитного портфеля банка можно отметить, что в 2009 удельный вес просроченных ссуд остался на прежнем уровне 3,64 %. Наибольшее увеличение доли просроченных ссуд наблюдается 2008-2009 гг.. – 3,64, по сравнению с 2007 годом 1,83%.

Перейдем к 3 главе и рассмотрим предложения по совершенствованию кредитной политики банка.

3 МЕРОПРИЯТИЯ ПО СОВЕРШЕНСТВОВАНИЮ КРЕДИТНОЙ ПОЛИТИКИ БАНКА ВТБ 24(ЗАО)

3.1 Использование технологий интеллектуального анализа данных как способа снижения просроченной задолжности

Для уменьшения задолжности при операциях кредитования физических лиц рассмотрим метод, основанный на применении технологии интеллектуального анализа данных (Data Mining). Можно привести давно всем известную цепочку связанных событий: чем меньше рискует банк при предоставлении кредита, тем меньше процентная ставка, предлагаемая этим банком; чем меньше процентная ставка, тем больше клиентов обратиться в именно этот банк; чем больше клиентов обратиться в банк, тем большую прибыль получит банк, а это одна из основных целей коммерческой деятельности. Риск, связанный с невозвратом суммы основного долга и процентов можно значительно снизить, оценивая вероятность возврата заемщиком кредита. В последнее время для оценки риска кредитования заемщика в мировой практике широкое распространение получил скоринг. В России ему также уделяют должное внимание. Сущность этого метода состоит в том, что каждый фактор, характеризующий заемщика, имеет свою количественную оценку. Суммируя полученные баллы, можно получить оценку кредитоспособности физического лица. Каждый параметр имеет максимально возможный порог, который выше для важных вопросов и ниже для второстепенных[7].

Рисунок 3.1- Определение группы заемщиков

Таблица 3.1 - Группы кредитоспособности заемщика

Годовой доход, руб. Пол Возраст Количество детей Группа
Более 50 000 Не имеет значения Не имеет значения

Не имеет значения

А
Менее 50 000 Мужской 18-25 С
25-35 В
Более 35 А
Женский 18- 25 С
25-35 1-2 А
Более 2 В
Более 35 Не имеет значения В

На основе полученной информации можно сделать определенные выводы, например:

1) к числу самых добросовестных клиентов относится женщина в возрасте от 25 до 35 лет, имеющая одного или двух детей, среднегодовой заработок которой составляет менее 50 тыс. рублей;

2) одним из самых ненадежных клиентов является человек (независимо от пола) в возрасте от 18 до 25 лет, не имеющий детей, среднегодовой заработок которого составляет менее 50 тыс. рублей.

Затем для каждой группы устанавливаются лимиты кредита, проценты по нему и срок возврата. На базе всей этой информации может строиться или корректироваться скоринговая система, которой и пользуется кредитный менеджер банка, опираясь при оценке клиента уже не только на предположения, но и на вполне обоснованные данные, что так или иначе способствует снижению кредитного риска[8].

Алгоритм построения приведенного выше дерева решений можно разбить на два этапа. Первый — создание дерева(tree building). В ходе его выполнения программа сканирует данные в базе заемщиков с целью выявления у клиента характеристик, наиболее удобных для «расщепления». Затем имеющаяся информация классифицируется в соответствии с найденными признаками. Само собой разумеется, что количество групп риска, равно как и характеристик клиентов, значительно больше, чем изображено на схеме(см.Рис.3.1). Чтобы интерпретация результатов была удобной для использования, следует держать под контролем размер дерева решений, не давая ему чрезмерно разрастаться. По этому на втором этапе DM системы в случае необходимости производят сокращение (pruning) «точек ветвления» дерева[9].