Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65

Статья опубликована в рамках: VII Международной научно-практической конференции «Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ» (Россия, г. Новосибирск, 31 января 2013 г.)

Наука: Экономика

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Миннубаева А.Ф. ОПЫТ ПОСТРОЕНИЯ МНОГОМЕРНОЙ БАЗЫ ДАННЫХ «АНАЛИЗ КРЕДИТНОГО ПОРТФЕЛЯ БАНКА» // Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ: сб. ст. по мат. VII междунар. студ. науч.-практ. конф. № 7. URL: http://sibac.info/archive/economy/7.pdf (дата обращения: 21.09.2021)
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов


Опыт построения многомерной базы данных «Анализ кредитного портфеля банка»


Миннубаева Аида Фанисовна


студент 4 курса, банковское дело, Казанская банковская школа, г. Казань


E-mail: aida2293@mail.ru


Мусаева Резеда Абдуллазяновна


научный руководитель, доцент, канд. экон. наук, преподаватель Казанской банковской школы, г. Казань

 

В настоящее время в мировой банковской практике идёт активный поиск точных инструментов управления кредитным риском. Современное банковское дело требует ответа на вопрос: «Какой уровень потерь по всему кредитному портфелю следует ожидать всегда и какой убыток может возникнуть при неблагоприятном развитии экономической конъюнктуры».

Непременным условием эффективного функционирования механизма управления кредитным риском является обмен качественной информацией между управляющей и управляющими подсистемами. Эта информация включает осведомлённость о состоянии финансового рынка, спроса на банковские услуги, устойчивости и платёжеспособности клиентов, партнёров и конкурентов банка. Так же наличие качественной информации увеличивает скорость принятия решений кредитной организацией (КО) в условиях риска, влияет на правильность этих решений.

Необходимость автоматизации оценки качества кредитного портфеля обусловлена тем, что:

1.  Определение группы риска и расчёт резерва под возможные потери по ссудам связаны с вводом и обработкой больших объёмов информации.

2.  К информации, необходимой для проведения расчётов, предъявляются требования надёжности, поэтому необходимо по возможности исключать её потери, искажения, обеспечить её сохранность.

3.  При расчётах вручную велика вероятность ошибок, а в связи с тем, что результаты оценки кредитного риска имеют большое значение для банка и в составе финансовой отчётности организацию, необходимо обеспечить их максимальную точность.

4.  Расчёты носят периодический характер — риск и резерв под возможные потери по ссудам оцениваются ежемесячно. Кроме того, в ходе текущей работы оценка риска может потребоваться и на любую дату внутри месяца.

Исходя из вышесказанного, можно сделать вывод, что автоматизация задач оценки кредитного риска с точки зрения качества кредитного портфеля является целесообразной. Она значительно сократит трудоёмкое решение этой задачи и снизит затраты времени на проведение расчётов и оформление результатов в виде отчётов.

Так же следует отметить, что сегодня практически каждый банк хорошо оснащён средствами вычислительной техники, установлены специальные программы, с помощью которых можно проверить аналитические работы. Кроме того, в настоящее время все банковские служащие, в том числе и кредитные инспектора, владеют навыками работы со средствами электронных таблиц (например, такими как Microsoft Excel), текстовыми редакторами и другими программными средствами.


Аналитику необходим такой инструмент, который позволил бы разворачивать и сворачивать данные просто и удобно, так как он видит мир многомерным по своей природе. Многомерная технология — это способ сделать базы данных простыми и понятными для конечного пользователя. Она дает аналитикам, инспекторам, руководящим работникам возможность проникать в глубину данных, используя быстрый, простой, единообразный, оперативный доступ к широчайшему спектру всевозможных представлений информации, которые могут быть получены из первичных данных для отражения различных аспектов реальной деятельности кредитной организации.

Работа аналитика с многомерной базой данных (МБД), оптимально структурированной для аналитических исследований, осуществляется с помощью специальных программ. Естественно такие программы сами ничего не анализируют — они являются инструментом, который усиливает интеллект аналитика и позволяет ему по-новому и быстро взглянуть на накопленную информацию в базе данных.

В состав исходных данных, которые необходимы для автоматизированной оценки кредитного портфеля, включается следующая информация:

1.  Оборотные ведомости и отчёты о прибылях и убытках.

2.  Данные о ссудной задолженности клиентов: наличие и величины срочной и просроченной задолженности по кредитам.

3.  Данные о наличии и размерах обеспечения по ссудам.

4.  Нормативы расчёта резерва под возможные потери по ссудам, установленные Центральным Банком Российской Федерации.

5.  Нормативные документы для анализа деятельности КО.

6.  План счетов.

7.  Расшифровки отдельных балансовых счетов для расчёта обязательных нормативов и другие.

В качестве средств многомерного анализа для построения АРМ «Анализ качества кредитного портфеля банка» можно выбрать инструментальные программные средства Power Play и Impromtu (фирмы Cognos).

Power Play — наиболее популярное инструментальное средство для оперативного анализа данных по OLAP-технологии. Обладая мощным инструментом для исследования различных аспектов финансово-экономической деятельности, оно обеспечивает реальный многофакторный анализ тенденций развития рынка и текущего состояния дел в банке, позволяет выявлять его сильные стороны и вскрывать недостатки, предоставляя руководителю необходимые сведения для управления банком. Power Play позволяет легко выявить влияние каждого аспекта деятельности организации на другие аспекты и на её конечные результаты. При этом каждый аспект деятельности представляется в виде отдельного измерения. Все вместе они дают многомерную картину деятельности банка.

Impromtu — инструмент для формирования бизнес-запросов и быстрого построения различных отчётов, обеспечивающих руководителей всех уровней оперативной информацией для принятия решений. Используя Impromtu, руководители получают доступ ко всем необходимым данным, описывающим модели бизнеса, особенности и тенденции его развития. Impromtu может использоваться как отдельно для работы конечного пользователя с оперативными данными, так и в сочетании с Power Play как средство разработчика для создания аналитических систем по технологии OLAP.


1.  Выберите измерения и классифицируйте их


Как правило, измерения соответствуют следующим вопросам: Кто? Что? Где? Почему? Когда? Как? По сути эти вопросы определяют многомерную модель предметной области для решаемой задачи, задавая некие аналитические координатные оси (измерения). Разбиение каждой оси на интервалы зависит от специфики конкретной предметной области и определяется классификационными требованиями поставленной задачи


Например, кредитный портфель можно рассмотреть по отраслям, отрасли по видам, ви­ды по срокам, сроки по клиентам, а их в свою очередь по счетам. Таким образом, отрасли, виды, сроки, клиенты являются уровнями детализации измерения — кредитный портфель.


2.  Убедитесь в наличии данных для модели


Должны существовать исходные данные для формируемой модели. Если требуется измерение «период времени», то таблица с исходными данными должна содержать столбец дат. Все столбцы должны иметь уникальные имена. Необходимо, чтобы существовали столбцы данных для максимального уровня детализации каждого измерения. Величины, которыми наполняется многомерная база данных, такие как, например, прибыль, стоимость, количество, также должны находиться в отдельных столбцах исходной таблицы.


3.  Оцените число измерений и уровней детализации


Чтобы получить как можно больший аналитический эффект от модели, следует включить в нее несколько измерений с более глубокой детализацией, что можно увидеть на рис. 1. Модели, содержащие семь измерений и пять уровней детализации, наиболее легки в использовании и удобны в изучении.


4.  Оцените число категорий для каждого уровня


Каждому уровню детализации соответствует определенное количество категорий. Необходимо придерживаться отношения числа категорий на одном уровне к числу категорий на следу тощем за ним уровне 1 к 10 или менее, чем к 10.

 


 


В противном случае, многомерный куб (гиперкуб) будет содержать слишком много категорий, что в свою очередь может сделать его менее информативным, а диаграммы, построенные по этим категориям, могут оказаться перенасыщенными и нечитабельными.


5.  Определите интересующие меры


Гиперкуб наполняется такими величинами, как, например, прибыль. Каждая ячейка гиперкуба содержит одну или несколько типов величин. Величины должны быть числовыми значениями, чтобы их можно было суммировать по уровням детализации.


6.  Убедитесь, что гиперкуб содержит наиболее значимую информацию.


При проектировании модели следует включать туда самые важные данные. Из всей информации, которую имеет коммерческий банк, для принятия решений требует­ся лишь наиболее значимая. Для текущего и прошлого года можно включить данные по ме­сяцам. За предыдущие годы будет достаточно квартальных итогов. И затем строится гиперкуб с реальными данными. Построенная модель должна отвечать всем поставленным требованиям. Ею должны быть охвачены все возможные объекты анализа (показатели), субъекты инспектирования (коммерческие банки) и весь интервал (время) с необходимой степенью детализации на нижнем уровне.


Пользователь-аналитик хочет иметь средство манипулирования данными, чтобы наиболее наглядно отразить некоторые их аспекты. По модели необходимо построить гиперкуб с реальными данными. Рассмотрим пример трехмерной базы данных, измерениями которой являются время, банки, показатели. Модель этой базы можно для наглядности представить в виде многомерного куба (рис. 2).


 



Рисунок 2. Трёхмерная база данных

 

Измерение «Время» содержит даты, на которые предоставляется отчетность. Ось «Кредитные организации» содержит перечень анализируемых финансовых учреждений. Измерение «Показатели» содержит информацию о рассматриваемых показателях деятельности кредитной организации: внебалансовые счета, срочные операции, счета депо, нормативы, данные по форме 2, расшифровки баланса, показатели по надзору, показатели по анализу.

Вектор «Величины» содержит одну или несколько величин, (например, сумма остатка на счете) значение которой лежит на пересечении перечисленных выше трех измерений. Первичными элементами модели многомерного куба являются: а) измерения; б) переменные; в) формулы; г) отношения.

Переменные и формулы имеют общее название — показатели. Дадим основные определения:

Измерения — это ключи с индивидуальными атрибутами в модели данных. Комбинации значений измерений однозначно определяют экземпляр набора значений данных в базе данных. В многомерных базах измерения обычно бывают иерархичными по своей природе.

Переменные — содержат значения данных, хранимых в базе.

Формулы — динамически вычисляемые элементы данных. В формулах могут использоваться как переменные, так и другие формулы.

Зависимости — отражают отношения один -к- одному или один -ко- многим между измерениями.


Отношения используются для вычисления агрегирующих функций или для сужения области действия операции. Отношения используются также при определении иерархии. Они определяют переходы на более высокий или более низкий уровень детализации данных. А также применяются при вычислении процентных показателей.

Первым шагом для построения таблиц по кредитному портфелю данных является создание каталога. В нём прописываются: а) имя базы данных; б) имя пользователя; в) пароль для доступа к базе данных; г) имена таблиц, из которых будут выбираться данные; д) связи между таблицами; е) запросы к базе данных.


Запросы делятся на два типа: справочники и данные. Справочники используются для создания измерений, показывают иерархию, хранят названия уровней детализации. Запросы-данные содержат непосредственную информацию о значениях показателей. В идеальном случае, в них содержатся только идентификаторы измерений и значения показателей.

Информация, формируемая на основе нормативных документов Банка России с использованием отчётности кредитных организаций, является основой информационной базы; включает в себя показатели деятельности кредитных организаций, обязательные для расчёта кредитными организациями. Информация, формируемая по методике «Анализ кредитного портфеля» содержит дополнительные коэффициенты, используемые ведущими российскими экономистами.

Выбор показателей оценки качества кредитного портфеля — сложная и неоднозначная процедура, состоящая из двух этапов: формирование первоначального, «широкого» списка показателей; выбор значимых и технологически реализуемых показателей.

В результате проведённого анализа показателей и оценки их значимости окончательно формируются 4 группы из 14 показателей (может быть и больше), определяющих качество кредитного портфеля, например, таких как:

1.  Коэффициенты деловой активности кредитных вложений (уровень кредитов, выданных в рублях, уровень кредитов, выданных в иностранной валюте, уровень кредитных операций банка, уровень краткосрочных кредитов, уровень долгосрочных кредитов.

2.  Коэффициенты защищённости кредитных вложений (коэффициент защищённости банка от кредитных рисков, коэффициент покрытия кредитных вложений, доля кредитов, по которым не начисляются проценты, коэффициент риска кредитных вложений по группам риска.

3.  Коэффициенты доходности кредитного портфеля (уровень доходов по кредитам, чистый процентный доход на 1 руб. выданных кредитов, уровень покрытия кредитных расходов доходами банка.

4.  Коэффициенты эффективности размещённых средств в кредиты (коэффициент эффективности кредитной политики, уровень кредитов в активах, приносящих доход).

Разрабатывается АРМ «Анализ кредитного портфеля банка», включающая следующие этапы построения многомерной базы данных:

·   подготовка информации для формирования баз данных — ввод формул в электронные таблицы, являющиеся входной информацией для расчёта коэффициентов;

·     формирование базы данных «Анализ кредитного портфеля банка» на основе MS ACCESS;

·     проведение расчётов коэффициентов по методике «Анализ кредитного портфеля банка»;

·     формирование модели многомерной базы данных с помощью продукта Power Play Transformer;

·     загрузка информации в многомерную базу данных из базы данных MS ACCESS с помощью продукта Power Play Transformer;

·    проверка результатов выполнения расчётов коэффициентов по вышеуказанной методике устранения ошибок;

·   проверка работоспособности задачи в пользовательском режиме — выполнение аналитических функций на основе многомерной базы данных с помощью продукта Power Play;

·     разработка документа «АРМ «Анализ кредитного портфеля банка». Общее описание»;

·     корректировка модели МБД по результатам проверок.

Информация, вводимая в таблицы WORD, используется для выполнения расчётов коэффициентов по вышеуказанной методике и формирования базы данных (рис. 3.).

 

 


Рисунок 3. Коэффициентный анализ по методике «Анализ кредитного портфеля»

 

Целью проверки кредитного портфеля является:

1.  Анализ кредитного портфеля по результатам проверки КО:

·     классификация ссудной и приравненной к ней задолженности;

·     определение достаточности сформированного резерва на возможные потери по ссудам.

2.  Анализ политики, проводимой кредитной организацией по предоставлению денежных средств с точки зрения выявления ситуации, угрожающей интересам кредиторов и вкладчиков.

3.  Проверка соответствия осуществляемых кредитной организацией операций по предоставлению денежных средств действующему законодательству Российской Федерации и нормативным актам Банка России, а также политике кредитной организации.

4.  Подтверждение достоверности отражения операций, связанных с предоставлением денежных средств, в бухгалтерском учёте.

5.  Анализ влияния операций по предоставлению денежных средств на финансовое состояние кредитной организации.

Неустойчивость финансовых рынков требует от банков способности быстро адаптироваться к изменениям для минимизации рисков. Автоматизация оценки кредитного портфеля приводит к следующим положительным результатам:

·     информация, необходимая в процессе управления риском, представлена в удобной наглядной форме (в форме аналитических таблиц, графиков, диаграмм;

·     повышается надёжность и достоверность информации;

·     увеличивается точность оценки;

·     значительно увеличивается скорость обработки информации;

·     у работников отделов кредитования повышается производительность и заинтересованность в результатах труда;

·     улучшается качество подготовки отчётов и повышается имидж банка как кредитного учреждения;

·     снижается степень действия фактора субъективности при оценке кредитного портфеля;

·     в результате автоматизированной оценки снижается вероятность потерь по кредитам, следовательно, увеличивается прибыльность кредитных операций банка.

АРМ «Анализ кредитного портфеля банка» может содержать информацию, которая обеспечивает возможность выполнения аналитической работы на основе нормативных документов Банка России, применяемых специалистами-аналитиками подразделений Банка России с использованием отчётности кредитных организаций, предоставляемой в Банк России.

Одной из главных задач АРМа является формирование информационного хранилища — многомерной базы данных, объединяющей агрегированные сведения по отчётности кредитных организаций и обеспечивающей проведение аналитической деятельности.

«В жизни, как правило, преуспевает больше других тот, кто располагает лучшей информацией» — Б. Дизраэли. Таким образом, информация играет важную роль в процессе управления банковским риском и использование качественной и надёжной информации в системе управления риском является непременным условием её эффективности. И автоматизацию можно рассматривать как один из методов повышения эффективности управления банковским риском.

Предложенный алгоритм автоматизированной оценки кредитного риска носит универсальный характер, и с некоторыми уточнениями может использоваться в любой кредитной организации.

Представляется, что, несмотря на сложности в процессе разработки и внедрения, использование подобной системы в банке усилит ответственность подразделений за принятие кредитного риска, обеспечит возможности для его объективной оценки и будет способствовать сохранению капитала, что, в совокупности повысит надёжность КО.

Любой банк — это автономно мыслящая единица, действующая в необъятном финансово-экономическом пространстве, поэтому одна из основных задач, стоящих перед банками — умение ориентироваться в огромном объёме информации, комплексно оценивать ситуацию и своевременно реагировать на её изменение.

Решение аналитических задач банковской деятельности диктуется необходимостью определения финансовых результатов, прогнозированием направлений развития, оценкой экономической обоснованности и целесообразности деятельности каждого банка. Оперативный анализ деятельности банков включает также определение надёжности финансового положения клиентов, выбор кредитных заявок, рациональное распределение кредитных ресурсов, минимизацию риска невозврата кредита и другие задачи.

 

Список литературы:

1. Бибикова Е.А., Дубова С.Е. Кредитный портфель коммерческого банка. Изд. Флинта, Наука, 2008. — 128 с.

2.Божко В.П., Власов Д.В., Гаспариан М.С. Информационные технологии в экономике и управлении: Учебно-методический комплекс. Изд.: ЕАОИ, 2008

3. Жарковская Е.П. Финансовый анализ деятельности коммерческого банка: учебник. Изд.: Омега-Л, 2011 г. — 236 с.

4.Титоренко Г.А. Автоматизированные информационные технологии в экономике: Учебник — М.: Компьютер, ЮНИТП, 2007 — 400 с.

5.Филимонова Е.В., Черненко Н.А., Шубин А.С.: Информационные технологии в экономике Изд.: Феникс, 2008 г. — 443 с.

Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом