Владимир ШИКИН, НБКИ, заместитель директора по маркетингу.
Оправдано ли мнение об излишней закредитованности населения? Какой показатель целесообразно учитывать для расчета долговой нагрузки: PTI (payment to income) или DTI (debt to income)? Какие три подхода к расчету долговой нагрузки можно использовать при принятии кредитных решений и какой из них предпочтительнее с точки зрения эффективности и гибкости?
К весне 2018 г. Банком России был подготовлен ряд материалов, которые дают представление о том, как финансовым институтам придется ограничивать тех граждан, которые уже взяли на себя значительные обязательства. Между тем банковская практика последних 10–15 лет учитывает (или пытается учитывать) долговую нагрузку как индикатор риска, ограничивающий предоставление заемных средств клиентам.
Напомним о материалах Банка России. Это:
— консультативный доклад «Об оценке рисков заемщиков — физических лиц на основе показателей долговой нагрузки»;
— концепция расчета показателя долговой нагрузки;
— консультационный доклад «О стратегии развития рынка бюро кредитных историй».
Собственно, первые два документа — это и есть анализ вариантов расчета и соответственно ограничения индикатора долговой нагрузки. Регулятору, как и кредиторам-практикам, было важно выбрать фактически между двумя вариантами:
— рассчитывать показатели за месяц (очередные платежи к зарплате и авансу), то есть коэффициент PTI (payment to income);
— рассчитывать показатели за год (все долги к ежегодному доходу), то есть коэффициент DTI (debt to income).
В результате за основу был взят показатель PTI.
Подходы к учету PTI
Рассмотрим три подхода к учету PTI в рамках принятия кредитных решений:
1. Система правил.
При этом подходе кредитор может эмпирически или экспертно (а в случае регулятивных ограничений, о которых говорилось выше, — с их учетом) определить предельное значение PTI, при котором возможна выдача кредита. Оценка PTI проводится на начальном этапе андеррайтинга, что минимизирует затраты кредитора на построение полного риск-профиля заемщика за счет отсева заявителей с PTI выше предельного значения.
Способ простой, не требующий серьезной работы по внедрению и управлению. К несомненным достоинствам можно также отнести прозрачность и легкость в управлении: предельное значение PTI представляет из себя одну цифру, которую легко скорректировать в любой момент. Нетрудно предположить, что регулятором в случае введения ограничений по PTI такой способ будет наиболее приветствоваться.
К недостаткам такого подхода можно отнести низкий уровень сегментации входящего потока, что с точки зрения управления рисками и эффективности розничного кредитования представляется не самым оптимальным решением.
2. Калибровка скоринга.
Метод основан на совместном использовании кредитного скоринга (S) и показателя PTI (P) для построения линии отсечения cutoff-line. Решение для скоринг-бюро НБКИ подробно описано в статье «Статистическая калибровка индикаторов долговой нагрузки и ее применение в кредитной аналитике1» . Здесь отметим, что для внедрения такого подхода от кредитора потребуется относительно высокий уровень математической подготовки. Но в случае реализации кредитор получает существенно более эффективную по сравнению с системой правил процедуру управления рисками.
3. Двумерная матрица принятия решений.
Этот подход, на наш взгляд, органично совмещает простоту первого примера и эффективность второго. Схематично матрица принятия решений представлена на рисунке.
В случае реализации этого подхода любая заявка потенциального заемщика может быть отнесена к одному из сегментов двумерной матрицы, составленной из показателя кредитного скоринг-бюро и PTI. В этом случае предполагается отказ только тем заемщикам, у которых одновременно высокий уровень риска по кредитному скорингу и долговой нагрузке. Если один из этих показателей может считаться удовлетворительным, кредитор может выдать кредит, компенсировав риск снижением лимита или повышением кредитной ставки. Для группы заемщиков с низким PTI и высоким значением кредитного скоринга (очевидно, обладающей возможностью выбора среди предложений различных кредиторов) кредитор имеет возможность сформировать премиальное предложение.
Среди преимуществ такого подхода можно выделить:
— гибкость в управлении: кредитор имеет возможность настраивать мерность матрицы и сегментацию по переменным до любого уровня;
— стабильность относительно внешних факторов: если требуется провести корректировку одной из переменных, остальные можно не менять;
— простоту разработки и внедрения.
Отметим, что использование PTI, как и любой другой переменной для оценки риска, конечно, требует регулярного мониторинга. Например, модель скоринг-бюро НБКИ проходит оценку стабильности и эффективности сегментации ежеквартально. Для PTI, как мы уже отметили, характерна относительная стабильность. Поэтому НБКИ проводит оценку всех индикаторов долговой нагрузки два раза в год.
—————————–
1 Левин В. и др. Статистическая калибровка индикаторов долговой нагрузки и ее применение в кредитной аналитике // Риск-менеджмент в кредитной организации. 2016. № 2. С. 54–67.
Полностью статью читайте в журнале «Банковское кредитование» № 3/2018
или
http://futurebanking.ru/reglamentbank/article/5144
Источник: http://futurebanking.ru/post/3677