Борис Федоров - Как правильно взять и вернуть кредит: на покупку недвижимости, автомобиля, техники

• Название: Как правильно взять и вернуть кредит: на покупку недвижимости, автомобиля, техники
• Автор: Борис Федоров
• Жанр: Личные финансы
• Год: 2008
• ISBN: 978-5-388-00050-7

Эта книга поможет сориентироваться в вопросах приобретения товаров в кредит.

Автор подробно объясняет систему выдачи кредитов, предлагает алгоритмы самостоятельного выбора оптимального кредитного предложения, в том числе отвечает на вопросы: что такое «бесплатный кредит»? чем опасен кредит «с нулевым первоначальным взносом»? как определить реальную цену кредита? как способ погашения кредита влияет на размер процентных выплат?

Во втором, дополненном издании отражены последние новации в законодательстве о кредитах, много внимания уделено расчету так называемой эффективной процентной ставки по методике Центробанка.

Эта книга необходима всем, кого интересуют вопросы потребительского кредитования и личных финансов. Она сэкономит вам гораздо больше денег, чем стоит сама.

---

Итак, скоринг – это система балльной оценки заемщиков, когда решение о выдаче или невыдаче кредита принимается в зависимости от количества набранных очков. Скоринговые системы призваны выявить и оценить вес самых разнообразных факторов – не только финансовых, но и социальных, поведенческих, мотивационных и т. п. Впрочем, существует огромное множество реализаций скоринговых систем. В каких-то случаях они до предела упрощены (а итоговый результат легко вычисляется с помощью электронных таблиц Excel), иногда – предельно усложнены, используют методы нейронных сетей. Объединяет эти разные системы одно – принцип работы.

Каждая ключевая характеристика потенциального заемщика получает свой числовой диапазон в баллах. Конкретное значение зависит от уровня гипотетического риска, который задает банк. Совокупность характеристик образует балльную шкалу. Набранный потенциальным заемщиком итоговый результат интерпретируется программой. Если этот результат выше некоего порогового значения, выдача кредита будет одобрена, если ниже – в кредите будет отказано. Может встречаться и некая «пограничная зона», когда набранных баллов недостаточно для принятия положительного решения, но в то же время отказ в кредитовании также неочевиден. Тогда решение принимается не системой, а конкретным банковским служащим.

В качестве примера можно привести подход к оценке кредитоспособности, который долгое время применялся в одном из французских банков. Используется всего 10 ключевых характеристик.

1. Цель кредита. Шкала от 0 баллов при выдаче простой денежной ссуды до 100 баллов при выдаче ссуды на покупку автомобиля.

2. Участие заемщика в финансировании сделки. При первоначальном взносе менее 10% – 0 баллов; от 10 до 45% – 30; более 45% – 50 баллов.

3. Семейное положение. От 0 баллов для разведенных супругов до 60 баллов с количеством детей менее трех.

4. Возраст. От 0 баллов для лиц моложе 25 лет до 100 баллов свыше 65 лет.

5. Профессия. От 0 баллов для студентов до 100 баллов для государственных служащих.

6. Занятость. От 0 баллов при сроке менее 1 года до 100 баллов – более 4 лет.

7. Годовой доход после налогообложения. От 0 до 160 баллов в зависимости от суммы.

8. Владение недвижимостью. От 0 баллов в случае аренды жилья до 80 баллов при наличии собственного дома.

9. Срок кредита. От 140 баллов при сроке менее 1 года до 0 баллов при сроке более 2 лет.

10. Сумма на банковском счете. От 0 до 150 баллов в зависимости от суммы.

Если потенциальный заемщик набрал более 510 баллов, банк выдает кредит; при 380-509 баллах требуется дополнительный анализ; при наборе менее 380 баллов следует отказ.

Отставив в сторону заграничные особенности (например, высокую оценку кредитоспособности пожилых людей и госслужащих), заметим, что приведенный выше пример хорошо иллюстрирует ключевые параметры, которые, по мнению банков (российских в том числе), снижают гипотетический риск невозврата кредита. На высокие оценки претендуют заемщики, которые способны самостоятельно оплатить значительную часть стоимости товара, имеющие стабильное семейное положение, недвижимое имущество в собственности, не склонные часто менять работу и т. п.

Важно понимать, что набор существенных, с точки зрения банка, параметров оценки заемщиков постоянно меняется, исходя из накопленных статистических данных. Скоринговые системы разрабатываются и модернизируются, исходя из особенностей конкретной страны, конкретного города и даже исходя из особенностей клиентуры конкретного банка. Сложные системы – это не табличка Excel. Подобные продукты состоят как минимум из двух блоков: блока анализа накопленной информации о «хороших» и «плохих» заемщиках и блока принятия решений. Активно используется информация обо всех случаях задержки выплат по кредиту и невозвратах. Анализ проводится при помощи так называемого метода data mining (можно перевести как «информационное копание»), в ходе которого выявляются разнообразные аномалии и устойчивые тенденции в поведении клиентуры, описываются различные комбинации факторов, влияющих на кредитоспособность. В результате строятся постоянно меняющиеся профили хороших / плохих заемщиков. Блок принятия решений «продвинутой» скоринговой системы сравнивает анкетные данные потенциального получателя кредита с имеющимися профилями, определяет, насколько клиент похож на «плохого» или «хорошего» заемщика. Сложность задачи объясняет дороговизну разработки таких «продвинутых» систем. Многие банки закупают уже готовые продукты у специализированных компаний.

ОТСТУПЛЕНИЕ В ТЕМУ

Копнуть глубже

Существует точка зрения, в соответствии с которой еще более глубокая детализация анкетных данных в скоринговых системах оценки заемщиков будет еще более востребована тогда, когда рынок потребительского кредитования начнет спускаться к основанию «клиентской пирамиды». В верхней части этой пирамиды – наиболее качественные заемщики, состоятельные и ответственные. Но их число конечно. И чем ближе к основанию «клиентской пирамиды», тем менее качественный «материал» придется перерабатывать банкам, степень риска возрастет. Вот тогда общих характеристик может уже не хватить, и разработчики скоринговых систем обещают дойти до самых мельчайших подробностей, вплоть до марки автомобиля, лейблов на одежде, микрорайона проживания и материалов, из которых построен дом заемщика.

Не будем забывать и о том, что построение системы оценки кредитоспособности клиентов (будь то «экспертный» метод или система скоринга) зависит также и от размера кредита. Как-то я участвовал в телевизионном ток-шоу на тему кредитов, и ведущий задал мне каверзный вопрос: «Как так случилось, что моему знакомому отказали в выдаче кредита на телевизор, сумма которого измерялась несколькими тысячами рублей, но одобрили заявку по жилищному кредиту, сумма которого составляла несколько десятков тысяч долларов?»

Я постарался ответить, как мог. Кредит на телевизор человек, вероятнее всего, пытался оформить непосредственно в магазине. Представители банка ввели в скоринговую программу его данные, они были проанализированы и получен ответ – «отказать». Сумма баллов не сошлась, может быть, из-за какой-то мелочи. Но именно эта «мелочь» оказалась решающей. Известны случаи, когда доля отказов по скоринговой программе экспресс-кредитования одного из банков достигала 80%. Настолько жестко были заданы условия одобрения выдачи кредита, настолько сильным было желание банка снизить гипотетический риск невозврата.

В то же время, в случае жилищного кредита рассмотрением заявки и оценкой параметров занимались вполне определенные банковские служащие, которые могли принимать во внимание не только прямые, но и косвенные признаки платежеспособности клиента, смотрели не на голые цифры и факты, а на индивидуальную ситуацию в целом.

Согласитесь, кредит на несколько тысяч рублей и на несколько десятков тысяч долларов – «две большие разницы». Во втором случае на кону совсем другие суммы и цена ошибки гораздо выше.

ОТСТУПЛЕНИЕ В ТЕМУ

Такие разные анкеты

К вопросу о простых и сложных скоринговых системах. Вот, скажем, параметры, которые некоторое время назад анализировал один из банков, специализирующийся на экспресс-кредитовании. Его служащие производили подсчет баллов с помощью таблиц Excel.

1. Прописка на территории по месту оформления кредита.

2. Владение автомобилем:

♦ отечественного производства: до 2 лет; от 2 до 4 лет; от 4 до 6 лет; от 6 до 8 лет;

♦ зарубежного производства: до 3 лет; от 3 до 6 лет; от 6 до 9 лет; от 9 до12 лет.

3. Владелец «иной собственности»: гараж, земельный участок (указывается удаление от регионального центра в км), загородный дом.

4. Жилье в собственности с учетом способа приобретения: покупка, приватизация, наследование, дарение, обмен: общей площадью до / более 100 кв. м.

5. Стаж работы на одном месте: менее / более 5 лет.

6. Должность руководящего работника (начальник отдела и выше).

7. Высшее образование / Не высшее образование.

Обратите внимание: оцениваются лишь параметры, которые можно легко перепроверить с помощью соответствующих баз данных.

На контрасте попробуем привести примерное описание сложной скоринговой системы (конкретные параметры являются коммерческой тайной, которую оберегают в том числе и от потенциальных мошенников, заинтересованных в знании способа «подкручивания баллов»).

Первая составляющая анкеты заемщика – «жесткие» параметры, подтвержденные документами, которые заемщик принес с собой (паспорт, водительские права, справка о доходах с места работы и пр.).

Вторая составляющая анкеты заемщика – «мягкие» параметры (образование, знание языков, количество выездов за рубеж, наличие электронной почты, как корпоративной так и личной, место работы, наличие недвижимости, автомобиля и пр.).