Введение к работе
Актуальность темы
В настоящее время ситуация на мировых финансовых рынках, спровоцированная кризисом на ипотечном рынке США, продолжает усугубляться. Это характеризуется выводом средств инвесторов с развивающихся рынков, в том числе из России, а также банкротством крупнейших инвестиционных банков. Происходящие в мире события негативно сказываются и на российском финансовом рынке.
Существующие тенденции развития банковского дела и статистические данные указываю на существенный рост рисков, связанные с банковской деятельностью, в том числе кредитного риска. В российской федерации на 01.01.2011 г. физическим лицам выдано кредитов на сумму 3 715 266 млн. руб., из них 23 537 млн. руб. составляет просроченная задолженность. В Ульяновской области выдано 29 421 млн. руб., из них 237 млн. составляет просроченная задолженность, в этих условиях для банков становится очень важной разработка соответствующего механизма расчета, оценки, контроля и управления рисками.
Решение таких задач требует не только знаний теории экономики, кредитования, психологии заемщиков, которыми в большей степени обладают наиболее опытные специалисты, но и знаний, основанных на интуиции и многолетнем опыте. Таким образом, задача кредитования в разрезе решения о предоставлении кредита во многом является творческой, базируется на эмпирическом опыте специалистов, а эффективность результатов во многом определяется наличием этих знаний и опыта у специалистов.
Применяемые в данной области методы и средства моделирования не отвечают в полной мере задачам воспроизводства реального человеческого опыта и знаний специалистов-практиков. В то же время исследования в области искусственного интеллекта и экспертных систем в частности показали эффективность применения для таких случаев интеллектуальных систем поддержки принятия решений, основанных на экспертных знаниях. Известны теоретические работы и практические внедрения в этой области научных коллективов под руководством таких известных отечественных и зарубежных ученых, как Поспелов Д.А., Загоруйко Н.Г., Переверзев-Орлов В.С., и других. Однако в области уменьшения кредитного риска задача разработки и промышленного применения интеллектуальных систем поддержки принятия решений остается нерешенной. Актуальность задач, связанных с разработкой и внедрением таких систем определило те цели и задачи, которые исследуются в диссертационной работе.
Актуальность рассмотрения в диссертационной работе темы уменьшения банковских кредитных рисков заключается еще и в том, что данная проблема в России разрабатывалась достаточно мало. В отечественной литературе практически полностью отсутствуют комплексные исследования в данной области. Существуют отдельные публикации специалистов, по отдельным определенным видам риска,. Но работ, рассматривающих комплексно уменьшение кредитных рисков банка, реально не существует. Достаточно редко в отечественной литературе можно встретить работы, освещающие опыт практического управления рисками в западных банках. Что касается решения данной проблемы на практике, то следует отметить, что российские (да впрочем, и зарубежные) банки стали вплотную заниматься этой проблемой относительно недавно. Все это говорит об актуальности проблем, затронутых в диссертационной работе.
В силу недостаточности знаний об объектах кредитования и множестве ситуаций, в которых определяется необходимая информация, получить точную модель поведения банка и заемщика не представляется возможным.
При выдаче кредитов, необходимо обладать пониманием конкретной ситуации, то есть учитывать все ее стороны (банк-заемщик-кредитная ситуация) и возможные варианты развития событий.
Всякая кредитная ситуация характеризуется определенным набором данных. Он может быть полным, тогда принимаемое решение на его основе будет наиболее верным (с определенной вероятностью) и риск может быть сведен к минимальному уровню, который в данный момент, может быть, достигнут, однако еще остается плохо снижаемый остаток риска. Когда набор данных не обладает полнотой и высокой достоверностью, решения не могут быть качественными и риск невозврата кредита увеличивается.
Для определения достаточности набора ситуационных данных можно воспользоваться следующим приемом: за основу набора брать ту совокупность данных, которую банк получает по традиционно принятой процедуре и которая в лучшем случае дает примерно девяносто пять процентов уверенности в правильности принимаемого решения. Следовательно, около пяти процентов – это «неснижаемый риск», то есть, уменьшить его нельзя традиционными способами, требуются дополнительные действия.
Улучшить ситуацию по сокращению оставшегося риска можно только в одном случае – получением новой дополняющей информации к имеющейся. Множество набранных произвольных данных в кредитной ситуации обладает высокой энтропией. Но когда эти данные организованы или структурированы по заданному правилу – энтропия ситуации уменьшается.
Объектом исследования являются модели информационных процессов, присутствующих в кредитных ситуациях.
Предметом исследования являются информационные средства снижения риска кредитования.
Цель и задачи работы:
Целью работы является разработка информационной системы анализа и прецедентного моделирования кредитных ситуаций для снижения банковского риска.
Для достижения названной цели решены следующие задачи:
-
Разработан алгоритм оценки кредитной ситуации, учитывающий дополнительные данные о заемщике кредита и прецедентные данные о схожих ситуациях.
-
Разработана система извлечения и формирования дополняющей информации о заемщике (как ее источнике) и использования ее в системе управления кредитным риском.
-
Разработана база прецедентов для хранения и обработки кредитной ситуации с учетом дополняющей информации в системе управления кредитным риском.
-
Разработана система прецедентного моделирования кредитных ситуаций, основанной на базе прецедентов, дополнительной информации о заемщике и прецедентах.
Методы исследования. В диссертационной работе применялись методы математического моделирования, экспертных оценок, теории нечеткой логики, теории игр, нейронных сетей, теории программирования.
Научная новизна:
-
Разработан синдромный портрет заемщика (физического лица), позволяющий снизить неопределенность данных, описывающих кредитную ситуацию и расширить атрибутику прецедента, тем самым, при обработке повысить качество принимаемых решений.
-
Применение набора интеллектуальных методов (нечеткая база знаний, нейронная сеть, база прецедентов) с точки зрения дифференцированного подхода к обслуживанию заемщиков, позволяющему решать задачи кредитования в различных условиях (риска, неопределенности, противодействия).
-
Для формализации предметной области в условиях неопределенности применена методика нечеткой логики и построена нечеткая база знаний, позволяющая получить решение при неполных и недостоверных данных.
Основные положения, выносимые на защиту:
-
Модель кредитных ситуаций, позволяющих уменьшать остаточный банковский риск.
-
Модель получения дополнительных данных из типовых кредитных ситуаций, обеспечивающая при ее реализации улучшение качества принимаемых решений.
-
Алгоритм оценки кредитной ситуации, учитывающий дополнительные данные о заемщике кредита и прецедентные данные о схожих ситуациях, являющийся основой в созданном программном комплексе управления кредитным риском с использованием численных методов нейронной сети, экспертных оценок и аппарата нечеткой логики.
-
Программный комплекс моделирования кредитных ситуаций на основе дополнительной информации о заемщике и базы прецедентов.
Достоверность полученных результатов. Достоверность научных положений и результатов исследований обеспечивается строгостью постановок задач, корректностью выбранных методов. Достоверность также подтверждается проведенными компьютерными экспериментами и результатами тестирования созданной системы управления кредитным риском.
Теоретическая и практическая значимость. Теоретическая значимость выражается в возможности дальнейшего развития методов и средств применения современных информационных технологий в процессе уменьшения риска кредитования. Практическая значимость заключается в создании и использовании более надежных методик и средств кредитования. В конечном итоге положительный эффект состоит в уменьшении риска кредитования, снижения уровня финансовых потерь и возможность накопления опыта.
Апробация работы. Результаты основных положений диссертации докладывались на следующих конференциях: VII Международная конференция «Математическое моделирование физических, экономических, технических систем и процессов», Ульяновск, УлГУ, 2009; Interactive Systems and Technologies: the Problems of Human-Computer Interaction, Ulyanovsk, ULSTU, 2009.
Личный вклад автора. Постановка задач исследования осуществлена совместно с научным руководителем. Теоретические и практические исследования проведены автором самостоятельно.
Публикации. По теме диссертации опубликовано 6 работ, в том числе 1 в рецензируемом научном журнале, рекомендованном ВАК. Список помещён в конце автореферата.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка используемой литературы из 115 наименования. Работа содержит 138 страниц текста, 24 рисунка, 6 таблиц.
