1. Расчет и анализ доходности банковских продуктов
по поколениям выдачи
26 мая 2016 года
Алексей Смирнов, к.э.н., FCCA
Заместитель финансового директора,
Директор дирекции стратегии, планирования и контроллинга
АО “ОТП Банк”
Ежегодная бизнес конференция
«Финансовое планирование и контроль в банках»

2. 2
Содержание
Моделирование доходности портфеля, продукта и клиента
Опыт практического применения
Опыт автоматизации на базе IBM Cognos TM1
Приложения

3. 3
В период насыщения рынка с сокращением маржи для устойчивого
функционирования банка требуются более точные модели доходностиянв-12
мар-12
май-12
июл-12
сен-12
ноя-12
янв-13
мар-13
май-13
июл-13
сен-13
ноя-13
янв-14
мар-14
май-14
июл-14
сен-14
ноя-14
янв-15
мар-15
май-15
июл-15
сен-15
ноя-15
янв-16
мар-16
0
2
4
6
8
10
12
трлнруб
Источник: Frank Research Group, May 2016
Рынок розничного кредитования в России (портфель)
Маржа
высокая
Маржа
низкая

4. 4
Винтажные модели доходности продукта и клиента позволяют принимать более
оперативные и правильные управленческие решения
Доходность, рассчитанная
на отчетную дату на базе
портфельных показателей
(портфельные доходы,
портфельные риски и т.д.)
Портфельная
доходность
Упрощенная
винтажная
доходность
Винтажная
доходность
Доходность
клиента (CLV)
Доходность, выданных в
один месяц кредитов, на
всем сроке их жизни. При
этом показатели риска и
досрочного погашения
фиксированы на всем сроке
жизни кредита
Доходность, выданных в
один месяц кредитов, на
всем сроке их жизни. При
этом показатели риска и
досрочного погашения
моделируются с учетом их
эволюции на всем сроке
жизни кредита
Винтажная доходность от
всех продуктов клиента на
всем сроке их жизни
Простота расчета
(показатели можно взять
из баланса и из отчета о
прибыли и убытках)
Задержка в понимании
доходности последних
выдач
Позволяет принять более
оперативное решение для
новых выдач
Поскольку показатели
риска и досрочного
погашения рассчитаны
упрощенно, то это может
привести к принятию
субоптимальных решений
Не учитывает возможного
заработка / упущенной
выгоды от долгосрочных
отношений с клиентом
Позволяет принять более
оперативное решение для
новых выдач с большей
точностью
Требует больших
трудовых затрат и
вложений в ИТ
Не учитывает возможного
заработка / упущенной
выгоды от долгосрочных
отношений с клиентом
Позволяет оценивать
доходность оперативно,
точно и с учетом
потенциальных
выгод/потерь от всех
продуктов
Требует больших
трудовых затрат и
вложений в ИТ

5. 5
Винтажная доходность позволяет максимизировать прибыль на всех стадиях
жизненного цикла клиента за счет повышения эффективности ключевых процессов
Перекрестные продажи
(оценка доходности
альтернативных офферов
клиенту)
Скоринг
(на основе
модели доходности)
Управление
продуктовой линейкой
(разработка и изменение
продуктов)
Early-warning system
(система раннего
предупреждения убыточности
новых выдач)
Churn fight
(борьба с оттоком
клиентов)
CRM
(приоритизация более
доходных клиентов и
продуктов)
Risk-based pricing (RBP)
(дифференцированное
ценообразование на основе
доходности)
Маркетинг
(сегментация, целевые
маркетинговые кампании)
Привлечение Обслуживание Удержание

6. 6
Содержание
Моделирование доходности портфеля, продукта и клиента
Опыт практического применения
Опыт автоматизации на базе IBM Cognos TM1
Приложения

7. 7
Пример 1. Винтажная доходность позволяет управлять портфелем с учетом всех
показателей (рисковые, бизнесовые и финансовые)
Сash loan “Segment A” 08 2011 09 2011
Interest income (contractual) % 18.99% 22.17%
Insurance income (contractual) % 0.22% 0.30%
Net fee and commission income % 0.37% 0.43%
Not paid interest and insurance % -2.95% -3.84%
Net financing cost % -6.21% -6.38%
Risk Cost % -6.50% -7.47%
Direct OPEX % -2.23% -2.27%
Profit before tax % (Direct OPEX) 1.70% 2.93%
NPV % (Direct OPEX) 0.28% 1.47%
Allocated OPEX % -0.81% -0.75%
Profit before tax % (Allocated OPEX) 0.88% 2.18%
NPV % (Allocated OPEX) -0.35% 0.91%
Disbursement Volume (M RUB) 3,167 3,165
Terms 39 40
Number of loans 29,012 27,165
Average Ticket 109,171 116,504
Contractual penetration life,% 23.7% 30.8%
Contractual penetration uneml,% 11.5% 13.8%
Prepayment Rate 26.8% 29.3%
FPD7+ 3.3% 2.8%
Final NPL 10.8% 12.7%
Винтажная доходность кредита наличными (иллюстрация)
Комментарий
 Повышение ставки продукта на ~3,2%,
привело к увеличению стоимости риска
(на ~1,0%) и повышению досрочного
гашения (на ~0,9%)
 При этом общая доходность продукта
увеличилась на ~1,2%
Иллюстрация

8. 8
Пример 2. Винтажная доходность помогает выставить уровень одобрения по риск
бакетам с учетом всех параметров (1/2)
Сash loan (Segment B, Score bucket X) 02 2011 03 2011 04 2011 05 2011
Interest income (contractual) % 25.10% 25.26% 24.84% 24.40%
Insurance income (contractual) % 1.88% 1.83% 2.01% 1.80%
Net fee and commission income % 0.39% 0.35% 0.34% 0.30%
Not paid interest and insurance % -2.61% -2.41% -2.33% -2.14%
Net financing cost % -7.75% -9.23% -10.27% -10.42%
Risk Cost % -6.89% -6.11% -5.92% -5.27%
Direct OPEX % -3.69% -3.33% -3.09% -3.39%
Profit before tax % (Direct OPEX) 6.44% 6.37% 5.57% 5.29%
NPV % (Direct OPEX) 3.37% 3.28% 2.74% 2.45%
Allocated OPEX % -4.34% -3.66% -3.02% -3.05%
Profit before tax % (Allocated OPEX) 2.10% 2.71% 2.55% 2.24%
NPV % (Allocated OPEX) 0.01% 0.44% 0.41% 0.08%
Disbursement Volume (M RUB) 205 259 272 245
Terms 31 32 32 34
Number of loans 2,153 2,563 2,791 2,339
Average Ticket 95,420 101,120 97,578 104,740
Contractual penetration life,% 56.8% 57.1% 61.4% 55.9%
Contractual penetration uneml,% 42.2% 41.8% 50.0% 43.3%
Prepayment Rate 35.2% 33.2% 30.5% 29.9%
FPD7+ 0.8% 0.4% 0.5% 0.3%
Final NPL 8.1% 7.6% 7.5% 7.1%
Сash loan (Segment B, Score bucket Y) 02 2011 03 2011 04 2011 05 2011
Interest income (contractual) % 34.65% 34.96% 35.00% 35.68%
Insurance income (contractual) % 2.70% 2.74% 2.86% 3.06%
Net fee and commission income % 1.08% 1.05% 1.06% 1.08%
Not paid interest and insurance % -20.55% -20.22% -20.67% -21.18%
Net financing cost % -4.21% -5.09% -5.54% -5.56%
Risk Cost % -18.81% -18.27% -18.57% -18.93%
Direct OPEX % -1.15% -1.12% -0.98% -1.20%
Profit before tax % (Direct OPEX) -6.29% -5.95% -6.83% -7.05%
NPV % (Direct OPEX) -4.68% -4.52% -5.07% -5.29%
Allocated OPEX % -1.94% -1.70% -1.41% -1.56%
Profit before tax % (Allocated OPEX) -8.23% -7.65% -8.25% -8.61%
NPV % (Allocated OPEX) -6.18% -5.83% -6.17% -6.50%
Disbursement Volume (M RUB) 161 196 214 151
Terms 44 44 44 43
Number of loans 1,190 1,423 1,531 1,056
Average Ticket 135,476 137,926 140,103 143,241
Contractual penetration life,% 65.6% 67.2% 69.9% 71.4%
Contractual penetration uneml,% 52.4% 53.7% 60.6% 57.7%
Prepayment Rate 15.5% 13.5% 12.9% 12.6%
FPD7+ 7.8% 10.2% 8.5% 10.7%
Final NPL 49.6% 48.7% 50.1% 49.9%
Иллюстрация

9. 9
Пример 2. Винтажная доходность помогает выставить уровень одобрения по риск
бакетам с учетом всех параметров (2/2)
Иллюстрация
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
-6%
-4%
-2%
0%
2%
4%
6%
8%
10%
12%
14%
16%
24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Take-up
NPL/NPV
Offered APR
NPL@12 75%q
Adj.NPV
Exp. Adj. NPV AD
Take-up
Application (CRM)
Black list
Policy rules
Hard cutoff
Soft cutoff
Take-up model
Расчет доходности
сегмента на основе
винтажной модели
доходности
PD
Scoring
Limit
calculation
Limit
approved
Limit
decreased
Adjusted PD
1. Maximize take-up
2. Maximize margin w/o
significant take-up drop
Manual
decision
Bank decision Client decision
Automatic
decision
Agreement
Too low NPV Too high NPL
PredictedPDis10%,Take-upis50%
DonotagreetothetermsAgreetotheterms
Scalethemback
NewPDwithadverseselectionis20%
Adverse
selection
model
Eligible range
Risk-based pricing
model

10. 10
Пример 3. Для принятия правильного управленческого решения необходимо
учитывать потенциальную доходность от перекрестных продаж
Доходность выдач POS кредитов в торговой сети «А» с и без перекрестных продаж
-160
-120
-80
-40
0
40
80
120
160
-4%
-3%
-2%
-1%
0%
1%
2%
3%
4%
Jun-11 Jul-11 Aug-11 Sep-11 Oct-11 Nov-11 Dec-11
ВыдачаPOSкредитов,млнруб
Маржа,%
Выдача POS кредитов
POS NPV after direct opex, %
NPV after direct opex (including cross-sell products), %
Иллюстрация
Комментарий
 Продажи POS кредитов в
торговой сети «А» убыточны
 При этом фактическая
доходность торговой сети “A”
с учетом продажи
перекрестных продуктов POS
клиентам принесла банку
прибыль

11. 11
Содержание
Моделирование доходности портфеля, продукта и клиента
Опыт практического применения
Опыт автоматизации на базе IBM Cognos TM1
Приложения

12. Finance division
12
TM1 – одна из наиболее стабильных многомерных OLAP систем на рынке,
разработанная в 80-x годах профессионалами в области IT и финансов. Основной
целью ее создания была централизация данных и бизнес-логики, хранимых в виде
таблиц, в безопасную базу данных, сохранив при этом удобство и интуитивно
понятный интерфейс таблиц.
Аббревиатура TM1 расшифровывается как «Table Manager One». После ряда слияний и
поглощений TM1 стала важным элементом программного решения IBM Information
Management – Business Performance Management и интегрирована с другими важными
составляющими Cognos Business Intelligence и SPSS.
Основная роль TM1 в пакете бизнес-аналитики – моделирование, анализ и симуляция,
что превращает ее в идеальный инструмент для систем прогнозирования, отчетности
и планирования в условиях волатильной макросреды.
TM1 часто называют «швейцарский нож контроллера» за его предельную простоту,
низкую потребность в IT поддержке и отсутствие потребности в низкоуровневом
программировании.
TM1 – что это?

13. no disbursement
-3,2 3 4,5 5,8 6,9 >8,98,9
NPV after Direct Opex(%)
City A
Agents
Points
own
3rd (
(
%)
%)
205 1.4
93 6.9
own
3rd (
(
%)
%)
329 2.5
55 6.8
32Disbursement mln ( 8.6 %)
%NPV 0.97 % ( 4.5 %)
OPEX -2.77mln ( 0.7 %)
• CCO -1.11 mln ( 18 %)
• Agents -1.51 mln ( 3.8 %)
• Other -0.14 mln ( 42 %)
iDetailed
information
DISB
map
NPV
map
CCO
list
WORST
CCO
Total
CCO
46
VINTAGE X
*Market share indicator is calculated based on previous month's market information.
HomeCredit
Alfa
OTP
Rusfinance
Others
Market share*
31.8%
19.3%
15.1%
12.7%
21.1%
Вымышленные
данные

14. KKO_NAME Dec15 Jan16 Feb16 KKO_NAME Dec15 Jan16 Feb16 KKO_NAME Dec15 Jan16 Feb16
Total CCO [3645] 6,70% 6,62% 6,37% Moskva [251] 6,70% 6,62% 3,13% Sankt-Peterburg [133] 6,37% 7,57% 6,70%
Krasnodar [105] 7,44% 8,30% 7,71% Stavropol [97] 7,44% 8,30% 12,27% Saratov [96] 7,71% 7,12% 7,44%
Rostov-na-Donu [94] 16,21% 9,21% 8,06% Ufa [73] 16,21% 9,21% 2,96% CHita [73] 8,06% 16,46% 16,21%
Irkutsk [69] 5,80% 2,91% 3,04% Ekaterinburg [67] 5,80% 2,91% 4,89% Novosibirsk [65] 3,04% 7,19% 5,80%
Barnaul [64] 10,78% 6,84% 4,76% JAkutsk [64] 10,78% 6,84% 3,78% Samara [61] 4,76% 13,02% 10,78%
CHeljabinsk [59] 3,82% 4,20% 4,55% Krasnojarsk [57] 3,82% 4,20% 5,51% Nizhnij Novgorod [55] 4,55% 1,46% 3,82%
Vladikavkaz [55] 7,14% 13,63% 15,19% Kirov [54] 7,14% 13,63% 10,51% Vladivostok [52] 15,19% 6,24% 7,14%
KHabarovsk [51] 2,91% 8,34% 8,78% Izhevsk [50] 2,91% 8,34% 10,72% Surgut [48] 8,78% 7,85% 2,91%
Perm [48] 4,10% 4,78% 5,43% Kazan [47] 4,10% 4,78% 4,63% Volgograd [47] 5,43% 5,91% 4,10%
Tjumen [46] 1,84% 5,07% 5,65% Voronezh [44] 1,84% 5,07% 5,27% Kemerovo [44] 5,65% 2,95% 1,84%
Ulan-Ude [43] 1,10% 7,71% 6,95% Armavir [41] 1,10% 7,71% 10,52% Pjatigorsk [41] 6,95% 4,93% 1,10%
Belgorod [41] 6,46% 7,31% 8,71% Novokuzneck [39] 6,46% 7,31% 1,31% Blagoveshhensk [34] 8,71% 7,92% 6,46%
Tambov [34] 6,25% 7,38% 6,83% Kurgan [34] 6,25% 7,38% 10% JUzhno-Sakhalinsk [34] 6,83% 5,88% 6,25%
Orenburg [32] 0,97% 6,70% 7,81% Tula [32] 0,97% 6,70% 6,50% Omsk [32] 7,81% 5,45% 0,97%
Astrakhan [32] 5,45% 9% 8,22% Nizhnevartovsk [30] 5,45% 9% 6,54% Petropavlovsk-Kamcatski [29] 8,22% 10,23% 5,45%
Novorossijsk [29] 10,09% 7,53% 4,17% CHerkessk [29] 10,09% 7,53% 9,89% Rjazan [29] 4,17% 10,70% 10,09%
Vologda [29] 9,52% 5,37% 7,09% Vladimir [28] 9,52% 5,37% 4,74% Smolensk [28] 7,09% 8,01% 9,52%
Nizhnij Tagil [28] 6,15% 8,78% 7,37% Kyzyl [28] 6,15% 8,78% 8,94% Tver [27] 7,37% 2,65% 6,15%
Nalchik [26] 6,88% 10,93% 12,42% Syktyvkar [26] 6,88% 10,93% 8,41% Penza [26] 12,42% 4,56% 6,88%
Arkhangelsk [24] 6,88% 7,53% 4,17% Magnitogorsk [23] 6,88% 7,53% 3,67% Novyj Urengoj [23] 4,17% 4,65% 6,88%
Tomsk [23] 3,40% 7,53% 4,17% Sterlitamak [22] 3,40% 7,53% 6,31% Sochi [22] 4,17% 5,59% 3,40%
Saransk [22] 5,60% 10,15% 8,95% Nizhnekamsk [22] 5,60% 10,15% 3,80% Toljatti [22] 8,95% 5,26% 5,60%
CHeboksary [22] 4,17% 5,67% 5,85% Kaluga [22] 4,17% 5,67% 9,19% Ivanovo [22] 5,85% 7,53% 4,17%
Murmansk [21] 4,39% 7,53% 4,17% Bratsk [21] 4,39% 7,53% 9,75% KHanty-Mansijsk [20] 4,17% 2,16% 4,39%
Brjansk [20] 4,89% 2,07% 3,15% Uljanovsk [20] 4,89% 2,07% 5,81% Komsomolsk-na-Amure [20] 3,15% 4,60% 4,89%
Lipeck [19] 5,07% 5,26% 2,68% Naberezhnye CHelny [18] 5,07% 5,26% 3,47% JAroslavl [18] 2,68% 8,74% 5,07%
Иллюстрация выгрузки из ТМ1 винтажной доходности POS кредитов в
региональном разрезе

15. 15
Содержание
Моделирование доходности портфеля, продукта и клиента
Опыт практического применения
Опыт автоматизации на базе IBM Cognos TM1
Приложения

16. 16
0%
1%
2%
3%
4%
5%
6%
7%
0 10 20 30 40
DPD90+/[суммавыдачи]
Месяц жизни
Приложение А. Прогнозирование финальных потерь по винтажу
Прогноз финальных потерь по винтажу (иллюстрация)
Факт по
винтажу
Старый
винтаж
сегмента
Прогноз по
винтажу
Комментарий
 Финальные потери по кредиту
(NCL) основаны на факте и
прогнозе
 Прогноз по винтажу строится
исходя из
‒ фактических вызревших
значений
рассматриваемого винтажа
(FPD7+, DPD30+, DPD90+)
‒ исторических данных этого
сегмента
 Прогноз по винтажу также
корректируется на возможный
макроэкономический шок

17. 17
SCM CRMTransactional Base …
e.g. SAP, BaaN, SUNSystems
TM1 OLAP Engine
ERP
File staging
Modeling, Planning,
Forecasting, Simulation
Real-time Analytics
Data Warehouse Layer
CSV
XLS
Corporate Data Warehouse
TM1 Excel Add-in Client TM1 Web Client TM1 Contributor Client
TM1
TurboIntegrator
ODBC, Cognos Package interface
Приложение B: Схема взаимосвязи TM1 с прочими системами Банка