Юлия Бровкович
Директор Deloitte
Практический мастер-класс: Управление кредитными лимитами
Модели оценки кредитного риска для различного типа контрагентов
Краудсорсинговый проект Сбербанка "Сделаем взаимодействие банков и оценщиков ...Эстиматика Наука Об Оценке
Краудсорсинговый проект Сбербанка "Сделаем взаимодействие банков и оценщиков лучше".
Автор презентации - Александр Кретов.
Круглый стол "Оценка залогов: что изменилось после принятия ФСО-9".
Capital according to Basel - Business ArchitectureAlexei Blagirev
Define Key principles on business architecture framework for Basel II / III implementation within Financial Institutions in Russia. Describes basic principles and key aspects on difference between Basel approaches.
Павел Тихомиров
Председатель Центрального Арбитражного Комитета Росатом
Оценка рисков заказчика при вступлении в договорные правоотношения с поставщиками (подрядчиками, исполнителями), которые ранее нарушали свои договорные обязательства, путем ведения рейтинга негативной деловой репутации и механизм его применения в закупочной деятельности
Система оценки качества обслуживания клиентов (СОКОК)КРОК
Для повышения качества обслуживания клиентов и повышения эффективности работы банка необходимо получать достоверную информацию об удовлетворенности клиентов. Самый простой способ получить данную информацию – спросить клиента. Требуются механизмы как сбора данных об удовлетворенности клиентов, так и анализа этой информации.
Главными целями создания СОКОК являются:
• обеспечение возможности субъективной оценки качества обслуживания клиентов (оценку дают клиенты);
• обеспечение регистрации объективных показателей процесса обслуживания клиентов: временных (время ожидания, время обслуживания клиента) и количественных (количество пришедших, количество обслуженных);
• обеспечение возможности оперативного проведения опросов клиентов;
• осуществление оперативного удаленного контроля качества обслуживания клиентов.
Ольга Канчер
Начальник отдела страхования торговых кредитов Sealine Insurance Brokers
Страхование дебиторской задолженности (TCI): объем покрытия и методики оценки риска контрагентов
Актуальные тенденции развития и проблемы на российском рынке
Модель базы знаний для определения кредитоспособности банковских клиентов. Система КАРКАС
Knowledge base model to determine the creditworthiness of Bank customers. System KARKAS
Юлия Бровкович
Директор Deloitte
Практический мастер-класс: Управление кредитными лимитами
Модели оценки кредитного риска для различного типа контрагентов
Краудсорсинговый проект Сбербанка "Сделаем взаимодействие банков и оценщиков ...Эстиматика Наука Об Оценке
Краудсорсинговый проект Сбербанка "Сделаем взаимодействие банков и оценщиков лучше".
Автор презентации - Александр Кретов.
Круглый стол "Оценка залогов: что изменилось после принятия ФСО-9".
Capital according to Basel - Business ArchitectureAlexei Blagirev
Define Key principles on business architecture framework for Basel II / III implementation within Financial Institutions in Russia. Describes basic principles and key aspects on difference between Basel approaches.
Павел Тихомиров
Председатель Центрального Арбитражного Комитета Росатом
Оценка рисков заказчика при вступлении в договорные правоотношения с поставщиками (подрядчиками, исполнителями), которые ранее нарушали свои договорные обязательства, путем ведения рейтинга негативной деловой репутации и механизм его применения в закупочной деятельности
Система оценки качества обслуживания клиентов (СОКОК)КРОК
Для повышения качества обслуживания клиентов и повышения эффективности работы банка необходимо получать достоверную информацию об удовлетворенности клиентов. Самый простой способ получить данную информацию – спросить клиента. Требуются механизмы как сбора данных об удовлетворенности клиентов, так и анализа этой информации.
Главными целями создания СОКОК являются:
• обеспечение возможности субъективной оценки качества обслуживания клиентов (оценку дают клиенты);
• обеспечение регистрации объективных показателей процесса обслуживания клиентов: временных (время ожидания, время обслуживания клиента) и количественных (количество пришедших, количество обслуженных);
• обеспечение возможности оперативного проведения опросов клиентов;
• осуществление оперативного удаленного контроля качества обслуживания клиентов.
Ольга Канчер
Начальник отдела страхования торговых кредитов Sealine Insurance Brokers
Страхование дебиторской задолженности (TCI): объем покрытия и методики оценки риска контрагентов
Актуальные тенденции развития и проблемы на российском рынке
Модель базы знаний для определения кредитоспособности банковских клиентов. Система КАРКАС
Knowledge base model to determine the creditworthiness of Bank customers. System KARKAS
Владимир Шикин, заместитель директора по маркетингу Национального бюро кредитных историй (НБКИ), приводит анализ объективных данных НБКИ и делает вывод: в новой реальности важно объединять усилия маркетинга, риск-менеджмента и оценки вероятности взыскания (скоринга). Доклад на Практической конференции "МАРКЕТИНГ ФИНАНСОВЫХ УСЛУГ", 08 апреля 2015 г.
ATK QlikView For Microfinance: решение и опытMarina Payvina
28 августа 2014 г. Консультационная Группа АТК провела практический вебинар «ATK QlikView for Microfinance», где было представлено инновационное бизнес-аналитическое решение на основе платформы QlikView для микрофинансовых организаций, которое объединяет все аналитические данные компании в одном интерфейсе, включая финансовую, маркетинговую и операционную аналитику. Также в процессе онлайн-трансляции слушатели вебинара познакомились с опытом работы Консультационной Группы АТК с микрофинансовыми компаниями и узнали о том, как развивался проект по внедрению QlikView в компании Быстроденьги, входящей в ТОП-20 российских микрофинансовых организаций по версии РА Эксперт.
Презентация DataScoring: Big Data и кредитный скорингAnton Vokrug
DataScoring: Выдача потребительских кредитов на сегодняшний день одно из самых популярных и приоритетных направлений в финансовом секторе, но и требующее максимального внимания. Выдача кредитов потенциально неплатёжеспособным заемщикам способно нанести банку или кредитной организации существенный финансовый ущерб, поэтому к этому процессу необходимо подходить системно, наладив автоматический и эффективный процесс скоринга заемщиков.
Эту проблему и решает наш продукт:
1. Эффективный скоринг потенциального заемщика на основе анализа «больших данных».
2. Получение дополнительной статистики на основе анализа массива финансовых данных для дальнейшей коммуникации с клиентами.
3. Работа с кредитным портфелям клиента для минимизации просрочки и недопущения пропуска платежей по кредитам.
В процессе разработки программного обеспечения мы используем стек технологий от компании Microsoft: .Net, Azure cloud, C#, а также технологии CUDA.
Наши алгоритмы и модели анализа построены на основе: (1) группы самообучающихся нейронных сетей; (2) системы нормализации входных параметров и семантический анализатор для разбора текстовой информации; (3) составления психологического портрета потенциального клиента; (4) методов кластеризации данных; (5) классических скоринговых системах.
Галина Горшенина, АРБ: «Оценка для целей залога земель сельскохозяйственного ...Банковское обозрение
Галина Горшенина, АРБ: «Оценка для целей залога земель сельскохозяйственного назначения: основные ценообразующие факторы и источники получения информации»
Галина Горшенина, АРБ: «Оценка для целей залога земель сельскохозяйственного ...Банковское обозрение
Галина Горшенина, АРБ: «Оценка для целей залога земель сельскохозяйственного назначения: основные ценообразующие факторы и источники получения информации»
Александр Слуцкий, НАОК: «Изменения в федеральный стандарт оценки «Оценка для...Банковское обозрение
Александр Слуцкий, НАОК: «Изменения в федеральный стандарт оценки «Оценка для целей залога», предлагаемые национальной Ассоциацией оценочных компаний финансовых рынков»
4. Стратегия формирования предложений
существующим клиентам
1. Определение сегмента клиентов, которым формируется предложение
2. Работа в рамках бюджета
3. Сегментирование клиентской базы
4. Диверсификация предложений
5. Шаг1. Сегментация клиентов
620
640
660
680
Наиболее простой и наиболее
эффективный способ сегментации – по
риск-профилю.
С помощью скоринг бюро НБКИ риск-
профиль формализуется в виде
трехзначного числа от 300 до 850
баллов.
6. Пример валидации скоринг бюро по вероятности дефолта
89,2
79,0
71,1
67,9
57,1
51,3
38,5
30,2
20,3
13,6
9,5
6,3 4,7 3,5 2,8 2,1 1,8
Скоринговый диапазон
Доля«плохих»заемщиков
7. Простая стратегия: отсечение высших и
низших значений скоринг бюро
Скоринг
бюро
Внутренний скоринг
1 2 3 4 5 6 7 8 9 10
<650
…
…
670–679
680–689
100% рассылка
…
770–779
780–789
790–799
800–809
810+
Высокие риски
Низкий отклик на стандартное
предложение
8. Двумерная таргетированная стратегия
рассылки
Скоринг
бюро
Внутренний скоринг – «возможность» обслуживать долг. Например PTI или доход
1 2 3 4 5 6 7 8 9 10
<650
… Не рассылать
…
670–679 Минимальный Минимальный лимит средняя
ставка680–689 лимит
…
Стандартный лимит
Стандартный
770–779 лимит / низкая
ставка780–789
790–799 Премиальный лимит / очень низкая ставка
800–809 Не рассылать
810+
9. Когда делать кредитное предложение?
1. Удержание клиентов
2. Профилактика дефолтов
3. Аналитика по клиентской базе
10. Принцип Сигнала
Заемщики
НБКИ
(Сигнал 2.0)
Система
управления
рисками
кредитора
Подразделения
по работе с
клиентами
кредитора
Событие (например,
просрочка по действующему
кредиту у другого
кредитора)
Кредитор принимает
Сигнал и принимает
решение (например,
снижение лимита по
действующей карте)
Информация передается в
соответствующие
подразделения кредитора
Работа с заемщиком
на основе выбранного
сценария
1
23
4
11. Список Сигналов – для физических лиц
Критерии формирования Сигналов :
(установка на мониторинг по счету кредита
физического лица или по паспорту)
1. Появление (открытие) новых счетов;
2. Появление просрочки по кредиту 1-29 дней;
3. Появление просрочки по кредиту 30-59 дней;
4. Появление просрочки по кредиту 60-89 дней;
5. Появление просрочки по кредиту более 90 дней;
6. Улучшение просрочки;
7. Погашение текущей просрочки по кредиту;
8. Резкое изменение среднего ежемесячного платежа более чем на n%;
9. Изменение лимита по кредиту более чем на n%;
10. Изменение текущей задолженности более чем на n%;
11. Превышение лимита (овердрафт) более чем на n% (только для кредитных карт);
12. Выход из овердрафта (только для кредитных карт);
13. Закрытие счета;
14. Отсутствие обновлений более 30 дней после наступления даты следующего платежа или
закрытия договора;
15. Удаление счета;
16. Запрос кредитной истории;
17. Появление данных о другом паспорте.
Преимущества «Сигнал 2.0»
•Высокий уровень оперативного контроля
(1 раз в сутки);
•Возможность получать максимальное
количество информации по субъекту;
•Получение информации без запроса
кредитной истории.
12. Примеры использования
Сигнал Событие Возможные решения
У клиента
появилась
просрочка 30+
У клиента возникли
финансовые
затруднения
Следует поставить на
пересмотр лимит по
кредитной карте (если
есть) и/или изменить
статус по сбору
задолженности
У клиента
снизилась
общая
задолженность
Клиент выплатил
кредит
Повышение лимита по
кредитной карте /
Предложение нового
кредита / Повышение
статуса пор сбору
задолженности
Запрос
кредитной
истории
клиента
Клиент подал заявку на
получение нового
кредита
Предложение клиенту
нового кредита
13. Использование Сигналов
─ Защищаться от клиентов с повышенным
риском.
─ Оберегать свою клиентскую базу от
активных конкурентов.
─ Расширять охват рынка.
─ Формировать персональный подход к
каждому клиенту или к клиентским
сегментам.
─ Создавать и предлагать востребованные
продукты для нужного клиента в
наиболее подходящее время.
─ Удерживать существующих клиентов и
повышать их лояльность.
Снижение
рисков;
Рост доходности
продуктов и
клиентов;
Рост прибыли;
Повышение
лояльности.
14. Вопросы
А какие значения PTI и
скоринга вы
рекомендуете для
отсечений в стратегии
работы с клиентами?
15. Отчеты НБКИ семейства Бенчмаркинг и
Обзор долговой нагрузки
Изучение собственных показателей в динамике
•От входящего потока до динамики заемщиков по бакетам
Выявление проблемных зон
•Детализация по регионам, возрастам заемщиков, суммам кредитов и типам
Сравнение с конкурентной группой
•По всем данным
Отчет предоставляется в
формате MS Excel.
Не защищен от
копирования для
дальнейшего анализа
различными
подразделениями
кредитора.
Сегментация:
-По регионам РФ;
-По доходам;
-По отраслям занятости;
-По типам кредитов (все/необеспеченные);
-По количеству действующих кредитов.
16. Рыночные данные из отчета Бенчмаркинг
661
658
661
654
657
659
651 651
654
646
644
647
677 677
675
676
675 675
674
673
671
668
665
664
2016,
январь
2016,
февраль
2016,
март
2016,
апрель
2016, май 2016,
июнь
2016,
июль
2016,
август
2016,
сентябрь
2016,
октябрь
2016,
ноябрь
2016,
декабрь
Медианное значение по обработанным заявкам на кредиты
Все заявки Одобренные
17. Рыночные данные из отчета Обзор долговой нагрузки
31,06
25,98
21,03
26,0225,71
22,65
19,84
22,71
Низкодаходный сегмент
(ежемесячный доход до 20
тыс. руб.)
Среднедоходный сегмент
(ежемесячный доход от 20 до
40 тыс. руб.)
Высокодоходный сегмент
(ежемесячный доход от 40
тыс. руб.)
В среднем по всем
заемщикам
2014 год 2016 год
За 2 года текущая долговая нагрузка (отношение суммы ежемесячных платежей по
всем кредитам/займам к доходу в месяц) сократилось на 3,3 процентных пункта
Динамика текущей долговой нагрузки (PTI)