1

Tema 14

Skoring modeli upravljanja kreditnom politikom

banaka

Sarajevo, Decembar 2013.

2

3

S A D R A J

1. Uvod .................................................................................................................................... 4

2. Koncept kreditne politike .................................................................................................... 5

3. Principi kreditne politike ..................................................................................................... 6

3.1. Znakovi naruene kreditne kulture .............................................................................. 7

4. Kreditni skoring .................................................................................................................. 8

4.1. Kome je namjenjen kreditni skoring? .................................................................... 11

4.2. Vrste kreditnog skoringa ........................................................................................ 13

4.3. Koraci u izgradnji skor kartice .............................................................................. 15

4.4. Kredit skoring modeli za stanovnitvo ................................................................... 18

4.5. SME skoring model ................................................................................................ 23

5. Zakljuak ........................................................................................................................... 27

6. Literatura ........................................................................................................................... 27

4

1. Uvod

Za veinu banaka, krediti ine polovicu ili vie od njihove ukupne aktive, te oko 1/2

do 2/3 njihovih prihoda. Rizik u bankarstvu ima tendenciju koncentracije u kreditnom

portfelju pa ukoliko banka zapadne u ozbiljne finansijske tekoe, problemi obino krenu od

kredita koji se ne mogu naplatiti zbog loeg upravljanja, loih politika kreditiranja ili zbog

neoekivanog ekonomskog preokreta. Kvalitet kredita i ostalih dijelova aktive samo je jedna

dimenzija poslovanja banke koja se ocjenjuje prema jedinstvenom sistemu rangiranja

finansijskih institucija. Sve relevantne dimenzije bankarskog poslovanja objedinjene su u

jedan cjelokupni numeriki rejtnig nazvan CAMELS rejting a znai:

Adekvatnost kapitala (Capital)

Kvalitet aktive (Aassets)

Kvalitet menadmenta (Management)

Evidencija zarade (Earnings)

Stanje likvidnosti (Liquidity)

Osjetljivost na trini rizik (Sensivity)

Banke sa ocjenama 4 ili 5 ee se ispituju od banaka sa najviom ocjenom tj. 1,2 ili 3 gdje

ocjene znae1:

1 = snano poslovanje

2 = zadovoljavajue poslovanje

3 = korektno poslovanje

4 = granino poslovanje

5 = nezadovoljovajue poslovanje

Gore navedeni tekst govori o nainu ocjenjivanja rada banke i ocjeni koju banka moe dobiti

za svoje poslovnje. Tema ovog seminarskog rada odnosi se na skoring modele upravljanja

kreditne politike banaka kao jedne od najvanijih politika poslovanja banke. Bit e obraeni

skoring modeli za stanovnitvo i skoring modeli za mala i srednja preduzea (SME).

1 P. S .Rose, Menadment komercijalnih banaka, str. 523, etvrto izdanje, Mate 2003.

5

2. Koncept kreditne politike

Vremenski posmatrano, razliiti faktori su uticali na strukturu bankarskih kredita ali i

samu proceduru kreditne politike banke. Do 30-tih godina banke su uglavnom odobravale

kratkorone kredite, koji su se smatrali samolikvidirajuim jer su kao osnovu imali mjenicu

koja je proizilazila iz konkretnog duniko-povjerilakog odnosa, koji se obino likvidirao u

periodu od 3 mjeseca2. Nakon 30-tih godina nastaje dinamijniji privredni rast, ubrzani

industrijski razvoj kao i razvoj meunarodnih ekonomskih odnosa a u strukturi kredita sve je

znaajnije uee srednjoronih i dugoronih kredita. To je prouzrokovalo potrebu

kompleksnije kreditne analize kao i procedure provjere kreditne sposobnosti debitora to je

rezultiralo visokim stepenom formalizacije kreditnih odluka u cilju minimizacije rizika

mogueg gubitka banke.

Adekvatna kreditna politika je ona koja respektuje opte i formalne uslove za

odobravanje kredita, tj. ona koja usmjera kreditne plasmane u propulzivne privredne grane i

sektore, koji obezbjeuju srazmjerno najvee stope akumulativnosti i izvozne ekspanzije,

obezbjeujui u isto vrijeme i stabilnost pojedinanoj banci kao kreditoru3. Dobro

struktuirana i voena kreditna politika manifestuje se kroz kontinuirano odravanje visokog

niova kvaliteta i profitabilnosti kreditnih plasmana, uz istovremenu minimizaciju kreditnih

rizika.

Postoje dvije tendencije u koncipiranju kreditne politike. Prvi koncept se zasniva na

primjeni metedolokih kreditnih odluka a druga koncepcija na standardizaciji kreditne

politike. Ova dva pristupa izmaju razliit relativni znaaj u razvijenim trinim privredama i

nedovoljno razvijenim tritima. U razvijenim trinim privredama kreditna politika banaka u

veoj mjeri zasnovana je na formiranju to boljih odnosa izmeu izmeu stopa profitabilnosti

i stopa kreditnog rizika. U nedovoljno razvijenim tritima kreditna politika se vie oslanja na

regulativne parametre gdje se posredstvom drave obezbjeuju alokativne i selektivne

dimenzije kreditne politike.

2 S. Komazec, B. Krsti, A. ivkovi, . Risti, Bankarski menadment upravljanje savremenim bankarstvom,

str. 621, Beograd, 1998.

3 S. Komazec, B. Krsti, A. ivkovi, . Risti, Bankarski menadment upravljanje savremenim bankarstvom,

str. 622, Beograd, 1998.

6

3. Principi kreditne politike

Opti principi kreditne politike koji su relevantni za sve banke i sve vrste kredita su:

1. Banka mora izbjegavati visok stepen koncentracije kredita u jednu granu,

sektor ili oblast privrede,

2. Banka moe zahtjevati da komitenti koji trae odobravanje kredita odravaju

odreeni iznos finansijskih resura kao inicijalni izvor parcijalnog obezbjeenja

kredita,

3. Odobravanje kredita podrazumjeva strogo formalizovanu proceduru

utvrivanja uslova,

4. Osim kredita sa visokom stopa obezbjeenja (klasa A), svi ostali kreditni

zahtjevi moraju biti praeni finansijskim izvjetajima debitora u posljednjih

godinu dana,

5. Kredit se odobravaju uz amortizacioni plan otplate,

6. Banka je zainteresovana da prioritetno pokriva legitimne zahtjeve za

kreditiranje likvidnih potreba,

7. Banka mora nadzirati i kontrolisati koritenje kredita

Pored ovih optih principa postoje i specifini principi koji su karakteristini za

pojedine banke i neke vrste kredita. To su:

1. Kratkoroni kredit privredi za prevazilaenje kraktoronih finansijskih

problema ne smije biti odobren na period dui od 90 dana,

2. Utvrivanje stope maksimalnog obima kredita prema nominalnoj vrijednosti

zaloga treba da se stopa kree u rasponu od 50-97 %,

3. Preporuljivo je da se kreditne linije ugovaraju na period od godinu dana,

4. Banke su prinuene da posebno vode rauna o osiguranju dugoronih kreidta u

ciljiu minimizacije rizika,

5. Banke mogu definisati posebne nadzorne i supervizorske reime kontrole za

specifine vrste kredita.

Na osnovu navedenog moe se zakljuiti da svaka banka moe definisati sopstvenu

kreditnu politiku zasnovanu na sopstvenim principima, kreditnoj analizi i proceduri

donoenja kreditnih odluka.

7

3.1. Znakovi naruene kreditne kulture

U priruniku za nadzor poslovnih banka Centralna banka SAD-a (FED) navodi

sljedee probleme kao znakove naruene kreditne kulture4:

1. Odobravanje kredita povezanim osobama - pretjerana ovlatenja za

odobravanje kredita direktorima i velikim dioniarima ili u njihovu korist pri

emu se ne potuju naela zdravog kreditiranja na podruju izloenosi prema

povezanim osobama.

2. Nepotivanje kreditnih naela pojavljuje se kada krediti koji nose poveani

rizik otplate se ili odobravaju uz nezadovoljovajue uslove ili se plasiraju uz

potpunu svijest o naruavanju naela zdravog kreditiranja

3. Zabrinutost u vezi sa realizacijom planiranog prihoda situacija u kojoj

briga oko zarade premauje potivanje zdravih naela kreditiranja uz

oekivanja da se rizik nee ostvariti ili e rezultirati sa nezadovoljavajuim

rezultatima otplate.

4. Nepotpuni kreditni podaci - krediti su odobreni bez odgovarajue procjene

kreditne sposobnosti dunika

5. Neprimjerena poslovna praska ovo je est uzrok odluka o odobravanju

plasvaman loe kvalitete. Odraava se u nedostataku primjerenog nadzora

starih, poznatih dunika, ovisnost o usmenim informacijama umjesto

pouzdanih i potpunih finansijskih izvjetaja. Banke mogu ignorisati znakove

upozorenja vezane za pojedinog drunika, ekonomiju, regiju, industriju ili

druge bitne faktore.

6. Nedostatak nadzora - nedostatak nadoza rezultira nedostatkom znanja o

poslovanju dunika tokom otplate kredita.

7. Struna neosposobljenost - nedostatak tehnikog znanja meu kreditnim

referentima kod analize finansijskih izvjetaja te pribavljanja i procjena bitnih

kreditnih podataka.

8. Lo odabir kredita odobravanje kredita s prvobitno niskim nivoom

finansijskih rizika u iznosu koji premauju razumnu platenu sposobnost

dunika, krediti kod kojih je uee u ukupnim trokovima finansiranja

projekta koji snosi banka razmjerno visoko u odnosu na kapitalnu investiciju

4 H.Geruning, S.B.Bratanovi, Analiza i upravljanje bankovnim rizicima, str.150, drugo izdanje, Mate Zagreb

8

vlasnika, krediti koji se zasnivaju na oekivanju o uspjenom zavretku

poslovne transakcije a ne na kreditnoj sposobnosti dunika, krediti

preduzeima koja posluju u ekonomski problematinim podrujima, krediti

odobreni zbog visokog iznosa depozita u banci a ne ekonomski opravdane neto

vrijednosti ili sredstva osiguranja i krediti koji se zasnivaju na kolateralu

problematine likvidacijske vrijednosti ili osigurani krediti kod kojih izostaju

odgovarajue mare osiguranja.

4. Kreditni skoring

Kvantifikacija rizika predstavlja jedan od osnovnih izazova savremenog bankarstva i

finansija a osnovni cilj kvantifikacije kreditnog rizika vezan je za procjenu potencijalnog

gubitka koji nastaje kao posljedica prirode posla koji banka obavlja. Difolt (eng. default)

predstavlja status dunika banke koji oznaava nemogunost dunika da izmiruje svoje

ugovorene obaveze prema povjeriocu, odnosno banci5 a vjerovatnoa difolta dunika (eng.

probability of default - PD) predstavlja vjerovatnou da e dunik (druga ugovorna strana) ui

u status neizmirenja obaveza u periodu od godinu dana6. Kako bi se ovakve situacije izbjegle,

odnosno kreditni rizik ublaio, banke upravljaju kreditnim rizikom tako to vre selekciju i

kredite odobravaju samo klijentima koji ispunjavaju odgovarajue kriterijume.

Finansijske i kreditne institucije se koriste razliitim sredstvima i alatima prilikom

donoenja odluke o tome da li odobriti kredit ili ne. Meu tim alatima posebno je vano

spomenuti credit scoring ( u daljnjem tekstu kreditni skoring), kao statistiki izveden alat koji

obuhvata skoring karticu i skup statistikih podataka. Kreditni skoring je sistem gdje se

dodeljuje numerika ocjena svakoj od ulaznih karakteristika klijenta, a suma svih numerikih

ocjena se zatim uporeuje sa postavljenim pragom (eng. threshold)7. Fair, Isaac and Company

je 1959 godine razvila prvu skor-karticu za American Finance Inc. koja se bavila indirektnim

kreditiranjem kupovine automobila. Kreditni skoring je savremen nain za selekciju dunika i

mjerenje izloenosti prema kreditnom riziku koji se u velikoj mjeri zasniva na ubrzanju i

automatizaciji procesa odobravanja kredita. Prvobitni radovi u polju procjene vjerovatnoe

difolta vezani su za (Beaver, 1967) i (Altman, 1968) koji su razvili modele za predikciju

difolta kompanija koristei finansijske omjere ili finansijska racija kao nezavisne varijable.

5 Narodna banka Srbije, 2010.

6 Narodna banka Srbije, 2010.

7 http://denebs.com/wp-content/uploads/2011/07/Seminar-o-razvoju-kreditnog-skoringa-SME-segment.pdf

9

Beaver prezentira prvi moderan statistiki model za predvianje finansijskog neuspjeha. On

je svoj model bazirao na finansijskim omjerima koji se izraunavaju na temelju

raunovodstvenih podataka. Od 30 omjera, pokazalo se da 3 najbolje predviaju finansijski

neuspjeh8:

(1) tok novca/ukupna imovina

(2) isti prihod/ukupni dugovi

(3) tok novca/ukupni dugovi

Za svaki pojedini omjer Beaver je izraunavao graninu vrijednost pa je preduzee s

omjerom iznad te vrijednosti smjeteno u grupu potencijalno uspjenih dok je preduzee s

vrijednou omjera ispod definisane smjeteno u grupu potencijalno neuspjenih preduzea.

Prvi model u kojem poinje primjena multivarijatnog pristupa bio je Altmanov Z skor model.

Ovaj model bazira se na finansijskim indikatorima gdje svaki od njih ima odgovarajui

ponder. Zbirom ponderisanih finansijskih indikatora dobija se Z skor, od ije vrijednosti

zavisi u kojoj e se zoni kreditne sposobnosti dati zajmotrailac nai. I kod Altmanovog

modela definiu se vrijednost na temelju kojih finansijska institucija donosi odluku. Naime,

zahtjevi za kredit se prihvaaju ako je Z-skor preduzea iznad definisanog Z-skora i obrnuto.

Opta formula profesora Altmana na osnovu koje se se izraunava Z- skor je:

Z = 0,012 X1 + 0,014 X2 + 0,033 X3 + 0,006 X4 + 0,010 X5

U poetku bilo je 30 pokazatelja odnosno finansijskih odnosa na osnovu kojih se

utvriva Z - skor, a na kraju izabrano je pet finansijskih odnosa. Ponderi (0,012 do 0,010) su

konstantne veliine dobijene na osnovu empirijskih studija.

Odnosi koji su prezentirani sa X1 do X5 izraunavaju se na sljedei nain:

X1= tekua aktiva/ukupna aktiva (Curent assets/Total Assets)

X2 = zadrani dobitak/ukupna aktiva (Retained profit/Total assets)

X3 = operativni dobitak/ukupna aktiva (Operativy Profit/ Total Assets)

X4 = trina vrijednost glavnice/knjigovodstvena vrijednost ukupnog duga

(Market value of Equiti/Book Value of Total Debt)

X5 = prihodi od prodaje/ukupna aktiva ( Sales/Total assets)

Struktura za sagledavanje zone i kvantifikacije kreditne sposobnosti privrednog

subjekta dobija se na osnovu sljedee matrice:

8http://oliver.efos.hr/nastavnici/nsarlija/projekti/doc/Modeli%20bazirani%20na%20racunovodstvenim%20podac

ima.pdf

10

Z skor Zona

Z < 1,81 Zona bankropstva

1,81 < Z < 2,99 Siva zona

Z > 2,99 Bezbjedna zona

Tabela 1: Zeta skor model

Zavisno od djelatnosti preduzea postoje i posebne Altmanove formule pa tako za

privatne firme: Z = 0, 717 X1 + 0, 847 X2 + 3,107 X3 + 0, 420 X4 + 0, 998 X5; gdje je:

X1 = (tekua aktiva tekue obaveze)/ukupna aktiva, X4 = knjigovodstvena vrijednost

akcionarskog kapitala (equity)/ukupne obaveze, dok su X2, X3 i X5 kao u osnovnoj formuli.

Ovdje je Z - skor preko 2,90 sigurna zona, od 1,23 do 2, 90 je siva zona, a ispod 1,23

zona bankropstva. Za proizvodne industrijske firme, neproizvodne industrijske firme i

kredite privredama sa tritima u razvoju model izgleda ovako:

Z = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1, 05 X4; gdje se X1, X2, X3 i X4 izraunavaju

kao u predhodnom sluaju, s tim da je Z skor preko 2,66 sigurna zona, od 1,1 do 2,6 siva

zona, a ispod 1,1 zona bankropstva9.

Nakon Z-skor modela Altman, Haldeman i Narayanan kreiraju ZETA model10

. Svrha

ZETA modela, koji je kreiran 1977, bila je analizirati i testirati klasificiranje preduzea na ona

koja e bankrotirati i na ona koja nee. Model je uspjean u klasificiranju preduzea 5 godina

prije bankrota na uzorku proizvodnih i trgovakih preduzea. Prosjena visina imovine

analiziranih preduzea bila je priblino 100 milona dolara. Niti jedno preduzee nije bilo

slabije od 20 miliona dolara u aktivi. Tanost modela iznosi vie od 90% za klasificiranje

preduzea jednu godinu prije bankrota i 70% pet godina prije bankrota. Iako je uzorak bio

sastavljen od proizvodnih i trgovakih preduzea, to nije negativno uticalo na rezultat. Uzorak

za ovo istraivanje sastojao se od 53 neuspjena preduzea od kojih je 29 proizvodnih i 24

trgovakih, te od 58 uspjenih preduzea meu kojima je bilo 32 proizvodna i 26 trgovakih

preduzea. Analizirano je 27 varijabli dok se konaan model sastoji od sljedeih sedam:

1. Povrat na imovinu dobit/ukupna imovina

2. Stabilnost zarade

9 P. Kapor, Bankarstvo, str. 204, Megatrend univerzitet, Beograd, 2007.

10http://oliver.efos.hr/nastavnici/nsarlija/projekti/doc/Modeli%20bazirani%20na%20racunovodstvenim%20poda

cima.pdf

11

3. Dobit/ukupne plaene kamate

4. Kumulativna profitabilnost zadrana zarada/ukupna imovina. Ovo je

najvanija varijabla u modelu. Ona ukljuuje starost preduzea, dividendnu

politiku kao i profitabilnost mjerenu tokom vremena

5. Likvidnost ukupna tekua aktiva/ukupna tekua pasiva

6. Kapitalizacija vlasniki kapital/ukupni kapital. Obje su vrijednosti mjerene

kao 5 godinji prosjek ukupne trine vrijednosti.

7. Veliina preduzea mjerena ukupnom imovinom preduzea

ZETA model ima veu tanost u odnosu na Z-skor model u klasifikaciji neuspjenih

preduzea u radoblju od 2 do 5 godina prije bankrota, dok je tanost za prvu godinu gotovo

jednaka za oba modela. Z-model je pokazao neto veu tanost u odnosu na ZETA model u

klasificiranju uspjenih preduzea za razdoblje od dvije godine u sluaju kada je mogua

direktna usporedba.

Shema 1: Skoring proces i rejting11

4.1. Kome je namjenjen kreditni skoring?

Kreditni skoring sistem dodjeljuje jednu kvantitativnu mjeru, nazvanu score (skor),

potencijalnom komitentu predstavljajui budue ponaanje u otplati dobijenog kredita a

analitiari identificiraju one karakteristike komitenta koje najbolje predviaju otplatu kredita i

dodjeljuju svakoj karakteristici numeriku vrijednost tako da skoring sistem mjeri relativnu

11

http://denebs.com/wp-content/uploads/2011/07/Seminar-o-razvoju-kreditnog-skoringa-SME-segment.pdf

Klijent

Skor grupe

Dodjela internog

rejtinga

Prosjene

vjerovatnoe

difolta

7,85 8,15

6,85 7, 84

5,85 6,84

4,95 5,84

3,75 4,94

2,50 3,74

0 2,49

AAA

AA

A

BBB

BB

B

CCC

0,5 %

1,3 %

2,5 %

4,3 %

7,1 %

10,4 %

20,6 %

12

vanost date karakteristike u predvianju otplate. Klasine metode o dodjeli kredita koriste se

subjektivnim ocjenama kreditnih referenata sastoji se od 50-tak pitanja kojima se odgovara sa

da ili ne tako da kreditni referent subjektivno interpretira informacije slijedei formalne upute

i na temelju toga prihvaa ili odbija kreditni zahtjev. Ukoliko banka upotrebljava iskljuivo

kvantitativnu analizu, odnosno kreditni skoring, kreditni referent ubacuje traene podatke u

model rezultat kojega je score odnosno ocjena na temelju koje se donosi odluka o odbacivanju

odnosno odobravanju kredita.

Glavni razlozi upotrebe kreditnog skoringa12

:

1. Targetiranje novih kupaca

2. Donoenje odluke o odobravanju kredita

3. Odreivanje kreditnog limita

4. Odreivanje kamatne stope

5. Predvianje kreditnog ponaanja

6. Poduzimanje aktivnosti za minimiziranje gubitaka

Iz gore navedenog mogu se navesti osnovne prednosti ovog modela:

- Kvantifikuje rizik kao vjerovatnou umjesto subjektivne ocjene kreditnog

analitiara dobijamo numeriku (score) odnosno nominalnu (rating) ocjenu

kreditne sposobnosti,

- Konzistentnost dva klijenta s istim karakteristikama e imati istu ocjenu

kreditne sposobnosti zbog nepristrasne procjene,

- Objanjivost mogue je objasniti (prikazom ulaznih varijabli u model) kako

svaka varijabla utie na poveanje odnosno smanjenje vjerovatnoe difolta.

Kada govorimo o namjeni kreditnog skoringa on je namjenjen:

1. Bankama i ostalim finansijskim institucijama

2. Osiguravajuim drutvima

3. Izdavateljima potroakih kartica i trgovakim kuama

4. Telekomunikacijskim drutvima

5. Kompanijama koje ele pronai nove kupce/klijente

6. Kompanijama koje ele ispitati rizinost svojih klijenata

Podaci o skoringu moraju biti sigurni od onih koji mogu da manipulii sistemom. Tako

na primjer osoblje banke iz odjela prodaje u cilju da proda to vie, moglo bi manipulisati

12

http://www.alphascore.hr/istrazivanje-i-razvoj/rnd/kreditni-skoring.html

13

nainom kreiranja rezultata. Iz toga razloga pozadina skoringa, mehanizam i ponderi

dodjeljivanja skorova moraju biti poznati samo procjenjivaima rizika i dobavljau softvera

kao i administratorima sistema. Pored toga mora postojati sigurnost klijentovih podataka

unutar banke.

4.2.Vrste kreditnog skoringa

Nakon uvoenja standarda Basel II kredit skoring modeli postali su obavzni. Budui

da svaka banka mora procjenjivati rizik i kvantificirati gubitak pri steaju dunika (eng. LGD

loss given default), proirila se upotreba raznih metoda i modela za predvianje steaja

dunika. Popularni modeli u SAD-u su (meu ostalima) Moodyjev RiskCalc, CreditSightov

BondScore, Kamakura-pristup, KMV pristup, i Altmanov ZETA kredit skoring13

.

Preduslovi za razvijanje skoring modela se ogledaju kroz:

- postojanje odgovarajuih historijskih podataka,

- neophodna teorijska i praktina znanja,

- postojanje odgovarajue metodologije za razvoj modela,

- postojanje matematiko statistikih alata

Postoje dvije vrste kredit skoringa s obzirom na podatke koji se koriste u njihovoj izgradnji:14

- Generiki kredit skoring modeli baziraju se iskljuivo na podacima kreditnih biroa

koji raspolau milionima podataka o kreditnoj prolosti klijenata koji imaju bankovni

raun. Na temelju takve baze podataka primjenom statistikih metoda i umjetne

inteligencije kreiraju se kreditni skoring modeli koji obuhvataju one karakteristike

zajmotraioca koje najbolje predviaju budue ponaanje u otplati kredita.

- Korisniku prilagoeni kredit skoring modeli (kustomizirani) baziraju se na

podacima o klijentima konkretne finansijke institucije, dizajniraju se posebno za

svakog kreditora. Kustomizirani scoring je bolji i podesniji alat ali i vise kota.

Prednosti su i u tome to je precizniji u odnosu na potrebe banke, teko ga je

implementirati te zahtjeva znanje i resurse u banci.

Jedan takav model koji je razvija banka sama za sebe jeste Household model.

13

D. Sajter, Pregled osnovnih metoda i istraivanja poslovnih potekoa uz predvianje steaja, Osijek, 2009.

14 N. aralija, Upravljanje kreditnim rizicima, Ekonomski fakultet u Osijeku, 2008.

14

HOUSEHOLD je vrsta scoring modela koji koristi Sparkase banka15

, kalkulacija

pomou koje se dobije slika o klijentu koji trai kredit. Household predstavlja dobivanje

realne slike o finansijskom stanju klijenta i domainstvu u kojem on boravi. Postoje dva

omjera koja se moraju zadovoljiti:

- Omjer 1 predstavlja izraun individualne kreditne sposobnosti, odnosno uzima u obzir

samo pojedinane podatke klijent,

- Omjer 2 uzima u obzir sve prihode i rashode (trokove domainstva), to znai da

uzima u obzir sve prihode i rashode cjelokupnog domainstva.

Da bi se kredit odobrio oba omjera moraju biti zadovoljena. Pored tih omjera u household-u

uzimaju se u obzir jo i podaci klijenta, poput optih podataka, zatim njegova neto plata, sva

ostala primanja koja idu iskljuivo preko rauna u banci, te se na osnovu toga rauna njegova

kreditina sposobnost koja u konanici ima odobrenje ili odbacivanje kredita. Za koje modele

e se odluiti banka (generike ili kustomizirane) zavisi od niza faktora:

- Historijsko iskustvo u kreditiranju - da bi scoring bio smislen i prilagoen

potrebama potrebno je da postoji dovoljna koliina informacija o kreditiranju u toj

banci.

- Ouvanje podataka - podaci o kreditiranju moraju biti u iskoristivoj, te elektronskoj

formi i formi koja se moe jeftino obraivati.

- Informacije o ishodu kreditnih odluka - informacije trebaju biti poznate, jer ako je

nepoznato kako se krasnije ponaao odreeni kredit one nemaju smisla.

- Starost odluke - odluke moraju biti dovoljno stare da bi analiza imala smisla.

- Veliina uzorka - uzorak mora biti dovoljno velik i diverzificiran da bi analiza imala

smisla, dobavljai alata za scoring obino trae uzorak od 4500 aplikacija, i to 1500

dobrih klijenata, 1500 loih klijenata, 1500 odbijenih aplikacija za kredit, da bi

analizirali i razvili kustomiziran model scoringa za banku.

- Trokovi - podrazumijevaju razvoj, implementaciju i odravanje modela. Obino se

kreu od 30 000 do 80 000 eura za kustomizirane modele dok generiki modeli

nemaju te trokove jer su ve razvijeni ali imaju visoko naknadu za koritenje.

Danas na tritu postoji preko 50 generikih kredit skoring sistema koje sadre preko

100 razliitih kredit skoring modela.

15

15

4.3. Koraci u izgradnji skor kartice16

1. Studija provodljivosti - svrha joj je odrediti poslovne potrebe i mogunosti izgradnje

skor kartice. Potrebno je difinisati: trokove i koristi projekta, objektivnost skor kartice

te zahtjeve i odgovornosti za svaku fazu izrade.

2. Definicija uzroka - znai prikupiti aplikacije koje e biti upotrebljene za izgradnju

kredit skoring modela. Potrebno je odrediti za svaku aplikaciju da li se radi o dobrom,

loem, neodreenom, neaktivnom ili odbijenom zajmotraiocu.

3. Prikupljanje podataka - aplikacijski upitnici uobiajno sadre demografke podatke o

komitentu, izvjetaji kreditnog biroa, geo-demografske baze podataka, rauni

kmitenata koje posjeduje finansijska institucija. Prilikom izgradnje kredit skoring

modela potrebno je poznavati kvalitetu podataka i eventualne slabosti odnosno sumnje

koje podaci nose.

Shema 2: Kreditni zahtjevi koje trebaju biti ukljueni u uzorak koriten za izgradnju kredit

skoring modela

4. Analiza karakteristika - identificirati dobre od loih klijenata. Uobiajna procedura

je pravljenje klasa, odnosno grupiranje u razrede.

16

N. aralija, Upravljanje kreditnim rizicima, Ekonomski fakultet u Osijeku, 2008.

16

- Model s klasama - nezavisne varijable su kategorijalne sto znai i da su kontinuirane

varijable transformiaju u kategorijalne. Pogodan je u sluaju kada nema puno varijabli

jer se razredi rade runo.

- Kontinuirani model - testiraju se razliite transformacije nazavisnih kontinuiranih

varijabli. Odabire se najbolja transformacija koja ima najveu korelaciju sa zavisnom

varijablom.

- Mijeani modeli kombinacija kontinuiranih modela i modela s klasama.

Kontinuiranom modelu se dodaju vrijednosti klasificirane varijable kada je to

prikladno.

- Spline model - mali postotak varijabli nije pokriven ni sa jednom od spomenutih

tehnika, pa se onda takve varijable transformiraju spline funkcijama. Tabela17

pokazuje

dobre i loe zajmotraitelje prema varijabli vizija - ima li zajmotraitelj viziju posla

kojim se eli baviti. Stopa loih predstavlja prediktivnu sposobnost svakog atributa

odnosno vezu izmeu vizije i rizika. Niska stopa loih kod poduzetnika koji imaju viziju

te visoka stopa loih kod poduzetnika koji nemaju viziju posla upuuje na zakljuak da je

jasna vizija posla prediktor uspjenog posla koji moe omoguiti otplatu kredita bez

kanjenja odnosno nizak rizik i obrnuto.

Vizija Broj dobrih Broj loih % dobrih % loih Stopa loih

Nema viziju 2 12 1,5 17,91 85,71%

Ima viziju 23 5 17,30 7,46 17,86%

Uhodan posao 108 50 81,20 74,63 31,65%

Ukupno 133 67 100% 100% 50,38%

Tabela 2. Nain analize karakteristika zajmotraitelja (vizija posla)

5. Zakljuivanje o odbijanima u ovom koraku potrebno je donijeti zakljuak o tome

kakvi bi bili odbijeni komitenti da su bili prihvaeni. to je proces ocjenjivanja

sistematiniji, to su grupa odbijenih i grupa prihvaenih manje sline. Na kraju procesa

procjene, svaki odbijeni dobije vjerovatnou da e biti dobar odnosno lo. Postoje tri

procedure koje se mogu primijeniti u cilju donoenja zakljuaka o odbijenima (Hand,

Jacka, Statistics in Finanse, 1998):18

17

http://www.alphascore.hr/

18 http://www.alphascore.hr/

17

- Prva ponuena procedura - sve odbijene komitente stavlja u grupu loih klijenata pa

se statistika analiza izvodi na svim komitentima, ukljuujui i odbijene. Glavni

problem kod ovog pristupa je u tome to score-kartica dobivena na taj nain samo

preslikava proces odobravanja kredita koji je trenutno vaei. To zapravo znai da ako

su odbijani dobri komitenti, nova e score-kartica dobivena ovom metodogijom

nastaviti odbacivati dobre komitente zato to su oni ukljueni u analizu kao loi.

- Druga alternativa - pronai odobrene zajmotraitelje koji po svojim karakteristikama

izgledaju vrlo slino odbijenima. Statistika analiza u cilju izrade score-kartice izvodi

se na svim komitentima.

- Trea alternativa se sastoji u izgradnji dva odvojena modela. Prvi skoring model kreira

se samo na temelju zajmotraitelja kojima je kredit odobren. Tim modelom se

scoriraju odbijeni pa se tako za svakog odbijenog dobije vjerovatnoa da e biti dobar

odnosno lo. Na temelju toga odbijeni se svrstavaju u grupu dobrih odnosno loih.

Novi model se zatim kreira na temelju svih zajmotraitelja, i odbijenih i prihvaenih.

6. Modeliranje scor-kartice - score-kartica se kreira na temelju prihvaenih aplikacija

za koje je poznato jesu li dobri ili loi komitenti i na temelju odbijenih aplikacija za

koje se procjenjuje jesu li dobri ili loi. Analitiari koji se bave izgradnjom kredit

skoring modela analiziraju povijesne podatke prethodno odobrenih kredita u cilju

odreivanja karakteristika zajmotraitelja koje su vane u predvianju individualnog

rizika.

7. Validacija scor-kartice nakon to je zavrena izgradnja kredit scor modela, sve

aplikacije koje su sudjelovale u izgradnji modela se skoriraju upotrebom dobivenog

modela. Kreiraju se tablice koje se zovu scor distribucije i one postaju mjerilo

uspjenosti modela.

8. Postavljanje strategija i implementacija svaka finansijska institucija mora znati

kako se koristi kredit skoring te kako se kvalitetno upravlja pomou tog sistema.

Postoje etiri kljuna podruja koja se moraju razmotriti kod implementacije kredit

skoringa:

- postavljanje granine vrijednosti kreditnog limita,

- provoenje testiranja,

- arhivirati skorove kreditna ogranienja razloge donoenja odluka u cilju provoenja

analiza,

- efikasna komunikacija izmeu odjela za kredit i odjela marketinga.

18

Kredit skoring modeli u mnogome su olakali posao banaka. U tom kontekstu vano je

napomenuti prednosti skoring modela ali i nedostatke istih. Kredit skoring modeli imaju

sljedee prednosti:19

- Objektivni su i konzistentni,

- Ako su dobro dizajnirani mogu eliminirati diskriminatornu praksu,

- Relativno jeftini,

- Relativno jednostavni i lahko se interpretiraju,

- Metodologija upotrebljena u izgradni je uobiajna i shvatljiva,

- Institucija je u mogunosti ostvariti bolju uslugu komitentima svojom sposobnou

breg odobravanja ili odbijanja zahtjeva.

Nedostaci kredit skoring modela su:20

- Oni mogu samo automatizirati postojeu kreditnu praksu banke, a malo rade na

eliminisanju pristrasnosti procesa nastalih u prolosti,

- Ako varijable ne zadovoljavaju traene predpostavke, tada je statistika validnost

modela u pitanju,

- Modeli mogu degradirati kroz vrijeme ako se populacija na koju se model primjenjuje

promjeni u odnosu na orginalnu populaciju prema kojoj je model dizajniran.

4.4.Kredit skoring modeli za stanovnitvo

Krediti za stanovnitvo mogu se podijeliti na:

1. Krediti koji se otplauju u ratama - podrazumijevaju peridoino plaanje

glavnice i kamata.

2. Kreditne kartice i ostali revolving krediti - iako neke banke izdaju svoje

kreditne kartice s vlastitim logom i podravaju je vlastitim marketinkim

naporima, veina ima franizu za MasterCard ili Visu.

3. Krediti koji se ne otplauju u ratama - ogranieni broj potroakih kredita

zahtjeva plaanje kamata i glavnice odjednom.

Cilj kreditne analize koja se provodi za odobravanje kredita stanovnitvu je procijeniti

rizik koji je povezan s odobravanjem kredita. Tu se koristi 6 K (subjektivna) analiza:

19

N. aralija, Upravljanje kreditnim rizicima, Ekonomski fakultet u Osijeku, 2008.

20 N. aralija, Upravljanje kreditnim rizicima, Ekonomski fakultet u Osijeku, 2008.

19

1. Karakter - karakter je najvanije, ali isto tako i najtee procijeniti.

2. Kapital - kapital se odnosi na mogunost traioca kredita to svakako utie na

njegovu sposobnost vraanja kredita.

3. Kapacitet - kapacitet je finansijska sposobnost komitenta da zadovolji otplatu kredita

kao dodatak trokovima ivota i ostalim obvezama.

4. Uslovi odnose se na uticaj nekih ekonomskih promjena na sposobnost komitenta da

nastavi plaanje.

5. Kolateral - vanost kolaterala je u osiguranju sekundarnog izvora plaanja

6. Kontrola

Upotrebnom skoringa banka najvei akcenat stavlja na zatitu od kreditnog rizika.

Meutim vano je napomenuti kako se banka titi od valutnog, operativnog i kamatnog rizika

kada koristi skoring prilikom kreditiranja stanovnitva21:

- od valutnog rizika banka se treba zatiti ugovaranjem odgovarajue valutne klauzule

kroz ugovore o kreditu,

- od kamatnog rizika banka se treba zatiti ugovaranjem varijabilne kamate, a voditi

rauna o tome da se dobrom integracijom skoringa sa osnovnim bankarskim

sistemom, ispravnim formama ugovora i modulom naplate izbjei problemi koji bi

eventualno nastali iz pogrenog obranuna kamate kod izmjene osnovne stope

klijentu,

- od operativnog rizika banka se treba zatiti kako aktivnostima u samom skoringu kao

to je zatita podataka, tako i metodama specifinim za procedure kreditiranja.

Skoring za kredite stanovnitvu obuhvata radnje evidencije zahtjeva za kredit, ocjene

zahtjeva, koji ukljuuje provjeru kreditne sposobnosti prema parametrima i skoring karti koju

definie banka, ukljuujui i preuzimanje podataka iz kreditnog biroa, i rjeavanja kreditnog

zahtjeva kao konane odluke u postupku odobravanja kredita.

21

S. ehi, Menadment rizika u standardiziranim poslovnim aktivnostima: magistarski rad, Sarajevo, 2009.

20

Tabela 3: Varijable koje se obino korsite pri odobravanju potroakih kredit

Kriteriji banaka u Japanu

Maksimalan udio obveza iznosi 60

Minimalna starosna dob 25 godin

Duina vremena na trenutnom poslu min. 2 godin

Tip industrije u kojoj je osoba zaposlena:

nepoeljno je da je osoba zaposlena u show-business-u nepoeljno je da je osoba voza taksija

Tabela 4: Varijable koje koriste banke u Japanu prilikom odobravanja potroakih kredita

Kriteriji banaka u SAD-u

Najmanje jedna godina na postojeoj adresi stanovanja

(potreban telefonski broj; potreban dokaz o stambenom statusu)

Trogodinja historija stanovanja koja se moe provjerit

Najmanje jedna godina na postojeem poslu

Trogodinja historija zaposlenja koja se moe provjerit

Zahtjevana duina zaposlenja

Minimalan mjeseni prihod $1500 (potrebna je potvrda koja to

dokazuje)

Samozaposleni moraju dati potvrdu o prihodu

Udio obveza za plaanje automobila, hipoteke, osiguranja, tekuih

Karakteristike (varijable)

Vrijeme provedeno na jednoj adresi

Stambeni status

Telefon (ima/nema)

Prosjean godinji prihod

Kreditne kartice (ima/nema)

Tip bankovnog rauna (ek/tednja/nita)

Dob

Broj sudskih tubi

Zanimanje

Namjena kredita

Brani status

Koliko dugo godina ima otvoren raun u banci

Koliko dugo radi na trenutnom poslu

21

kredita i

drugih fiksnih obveza ne smije prelaziti 50%

isti rejting kreditnog biroa

Tabela 5: Varijable koje koriste banke u SAD-u prilikom odobravanja kredita za automobil22

Veina tehnika koje se koriste za konstruisanje i validaciju modela kreditnog rejtinga

pravnih lica primjenjuje se i u skoring modelima za fizika lica. S obzirom da je bankarstvo

vrlo dinamina kategorija, sa porastom potroakih kredita banke vie nisu mogle obraditi

veliku koliinu zahtjeva za kreditima runo pa su se sve vie okrenule kreiranju i upotrebi

kredit skoring modela. Poeljne osobine modela kreditnog skoringa23:

1. Tanost

2. Jednostavnost

3. Netrivijalnost

4. Izvodljivost

5. Transparentnost

6. Ekonomski smisao

Govoriti o skoringu a ne spomenuti FICO skoro je pa nemogue. Naime FICO skor je

danas najkompletniji i najzastupljeniji skoring za fizika lica, prvenstveno u SAD-u. FICO

skro se rastavlja na sljedee dijelove:

- 35% - historija plaanja kreditnog rauna,

- 30% - iznos zaduenja koju komitent ima kod svojih kreditora,

- 15% - duina kreditne historije odnosno koliko je osoba dugo kreditni korisnik,

- 10%- novi kredit (da li je komitent dobio neke kredite u predhodnim mjescima),

- 10% - vrsta kreditnog skoringa.

22

http://www.mathos.hr/upravljanjekr/materijali/Kredit%20scoring%20modeli%20za%20stanovnistvo%20(ppt).

pdf

23 http://www.econ.upf.edu/~bozovic/master/Rizik-7.pdf

22

Slika 1: FICO skor

Najvei akecant se stavlja na historiju plaanja (35%). to je i logino jer prva i

osnovna stvar koju novi kreditor eli znati o potencijalnom duniku jeste kako je u prolosti

servisirao svoje obaveze. Unutar historije plaanja najvie se analizira kanjenje odnosno

iznosi ranijih kanjenja, vrsti i duini kanjenja itd. FICO unutar skoringa ima vrlo

diverzificiran sistem ocjenjivanja svakog specifinog podatka pa tako e kanjenje od 90 dana

biti bodovima vie sankcionisano nego kanjenje od 60 dana.

Iznos zaduenja (30 %) je sljedei vaan faktor. Ovdje se misli na ukupno zaduenje

u zemlji po bilo kom osnovu u odnosu na ukupna primanja. FICO e uzeti u obzir ne samo

ukupnu sposobnost servirsiranja uveanu za novi predmetni zahtjev, nego i uestalost

zaduivanja, prosjeno koritenje vremensko i novano odobrenih zahtjeva, iznos zaduenja

koji se u svakom trenutku nalazi na svim raunima. Tako e bolji rezultat imati osoba sa

veim neizmirenim dugom na jednoj kartici nego osoba sa manjim neizmirenim dugom na 5

ili 6 kartica.

Duna kreditne historije (15 %) je sljedei faktor po vanosti. to je dua kreditna

hisorija FICO rezultat e biti bolji. FICO pravi distinkciju izmeu onih koji imaju jako dugu

kreditnu historiju, ali u posljednje vrijeme ne koriste kredite, i onih koji krae, ali redovnije,

koriste kredite.

Novi kredit nosi ponder 10 % i u ovom sluaju FICO posmatra novo traeno

zaduenje i njegove karakteristike a dovodi ga u vezu sa historijskom uestalosti zaduivanja.

35%

30%

15%

10%

10%

FICO skoring

Historija plaanja

Iznos zaduenja

Duina kreditne historije

Novi kredit

Vrsta kreditnog skoringa

23

Na primjer osoba koja u relavitno kratkom roku trai zaduenje na vie mjesta smatra se

rizinim klijentom.

Posljedni faktor jeste vrsta kreditnog skoringa (10 %) i sutinsko pitanje jeste da li

osoba ima zdrav miks kredita po namjeni i iznosu

U FICO modelu se koriste samo one informacije koje su prediktori budueg ponaanja

pri otplati kredita. to je vei skor, manji je rizik odnosno to je manji skor, vei je rizik.

Potrebno je odrediti graninu vrijednost koja dijeli dobre komitente od loih. Od 300 do

850 je rang FICO kredit skora. 723 je srednji FICO kredit skor a na tritu SAD srednji FICO

skor je 678. Skor 620 ili nie znai da je va kredit subprime to znai da ete kredit vraati

po veoj kamatnoj stopi nego po kojoj ste posudili sredstva24.

FICO April 2008 April 2009 April 2010

300- 449 7,2 7,4 6,9

500 - 549 8,2 8,7 9,0

550-599 8,7 9,1 9,6

600-649 9,6 9,5 9,5

650-699 12,0 12,0 11,9

700-749 16,0 15,9 15,7

750-799 19,6 19,4 19,5

800-850 18,7 18,2 17,9

Ukupno 100 100 100

Tabela 6: FICO skor distribucija na tritu SAD25

4.5.SME skoring model

Skoring modeli za mala i srednja preduzea ( u nastavku SME) imaju nekoliko

spcifinosti od kojih su najvaniji:

- kombinacija osobnih rata kredita samog poduzetnika i finansijskih izvjetaja njegovog

preduzea,

- kreditna sposobnost malog poduzetnika direktno je povezana s finansijskim profilom

vlasnika preduzea,

24

http://www.baselinemag.com/c/a/Business-Intelligence/Bad-Credit-Could-Cost-You-A-Job-210188/

25 http://bankinganalyticsblog.fico.com/2010/07/fico-scores-drift-downward.html

24

- elja i sposobnost vlasnika preduzea da plaa svoj osobni kredit korelirana je sa

sposobnou i eljom preduzea da plaa poslovni kredit.

Najvei broj kredit skoring modela za preduzea obuhvaa finansijske pokazatelje.

Kada su u pitanju velika preduzea i javne ustanove oni raspolau struktuiranim

finansijskim izvjetajima o svim svojim operacijama, poduhvatima i finansijama. Kod SME

situacija je neto drugaija. Naime, kod SME nekad je teko upotrijebiti finansijske omjere

upravo zato to se osobna aktivnost vlasnika i poslovna aktivnost preduzea isprepliu i

kombinuju. Empirijska istraivanja Fair, Isaac and Co. Inc. pokazuju da podaci koji se pomno

ispituju i uzimaju u obzir kod tradicionalnog naina ocjenjivanja ne moraju biti kljuni u

odreivanju budueg plaanja kada se radi o malom preduzeu. Jedan od razloga jeste i to da

manja preduzea nemaju obvezu redovnog izvjetavanja, a i kad objavljuju finansijske

izvjetaje oni ne moraju biti revidirani. Takoer rezultati poslovanja SME variraju jer samo

jedna velika narudba moe u potpunosti promjeniti finansijsku sliku poslovanja preduzea za

odreeni period26.

Neophodan uslov za zapoinjanje procesa razvoja kreditnog rejtinga nad segmentom

SME je prikupljanje i strukturiranje podataka o:

1. Difolt SME klijenata

2. Podacima iz bilansa stanja i uspjeha konstrukcija finansijskih racija

Varijabla difolta ili ciljna varijabla (eng. target variable), predstavlja kljunu

informaciju za procenu vjerovatnoe difolta. Na osnovu ove varijable stiu se kljune

informacije o kreditnom ponaanju klijenata. Naime, kod klijenata za koje se smatra da su u

statusu difolta ova varijabla je binarnog tipa i sadri vrijednost 1 (lo difolt SME

klijent); 0 (dobar uredan SME klijent).

Skoring proces za SME segment moe se predstaviti ovako:

1. Stvaranje razvojnog (eng. development) uzorka

2. Detaljna analiza i tumaenje varijabli

3. Transformacija ulaznih varijabli

4. Estimacija parametara modela

5. Provjera performansi razvijenog skoring modela

6. Implementacija i praenje skoring modela

26

Z. Bohaek, N. arlija, M. Beni, Upotreba kredit skoring modela za ocjenjivanje kreditne sposobnosti malih

poduzetnika, 2008.

25

Nakon evidentiranja prijema zahtjeva u front office-u, zahtjev se sa prateom

dokumentacijom (rjeenje o registraciji, izvod iz statistike, bilans stanja, bilans uspjeha itd)

prosljeuje u back office gdje se vri dopuna zahtjeva sa podacima iz dobijene dokumentacije.

Po zavretku unosa svih relevantnih podataka (podaci iz zahtjeva, bilans stanja i bilans

uspjeha) zahtjev se aktivira, to znai da se vie ne moe mijenjati i dopunjavati bez posebnih

privilegija, koje se po pravilu vrlo restriktivno dodjeljuju. U procesu aktiviranja kredita

automatski se provjeravaju preduslovi za dobijanje kredita i ocjenjuje zahtjev komitenta

postupkom bodovanja. Kao razultat ove procedure dobija se ukupan kreditni limit komitenta,

maksimalni rok vaenja kredita, minimalni procenat obezbeenja i maksimalni popust na

kamatu. Rjeavanja zahtjeva i donoenje konane odluke vri Risk manader. Ukoliko se

zahtjev odobri proces se nastavlja redovnim postupkom obrade kredita, u suprotnom zahtjev

se prebacuje u stanje odbijen. Sve do momenta realizacije kredita zahtjev moe biti povuen.

Princip dva para oiju (jedan operater unosi zahtjev i/ili potvruje prijem zahtjeva i

automatski puta obradu skoringa, a drugi ocjenjuje rezultate skoringa i donosi odluku ili daje

preporuke) postie se programskom kontrolom. Zahtjevi koji nisu zadovoljili uslove skoringa,

, mogu se proslijediti na rjeavanje sa pozitivnom preporukom. Isto tako pozitivno ocjenjeni

zahtjevi se mogu poslati na reavanje sa negativnom preporukom. Proces obrade skoringa se

modelira kriterijumima koje definie administrator kredita, za svaku vrstu kredita ponaosob.

Na osnovu ovako zadatih kriterijuma, procedura skoringa analizira odgovore na pitanja zadata

kroz zahtjev za kredit i podatake dobijene iz informacionog sistema i na osnovu njih donosi

odgovarajuu ocjenu27. Racija koji se razmatraju prilikom analize to su:

- Aktivnost (A - activity)

- Tokovi gotovine (C - cash flow)

- Rast (G - growth)

- Leverid (L - leverage)

- Likvidnost (Q - liquidity)

- Profitabilnost (P - profitability)

- Veliina (S - size)

- Ostalo (O - other)

27

http://www.antegra.com/download/antegra_sr.pdf

26

Slika 2: Arhitektura podataka za SME skoring model

27

5. Zakljuak

Skoring modeli upravljenja kreditnom politikom banaka imaju za cilj standardizaciju i

pojednostavljenje procesa odobravanja kredita kao i bolje upravljanje kreditnim rizikom.

Posmatrano sa tog aspekta mogli bismo rei da, na osnovu navedenog u radu, skoring modeli

su ostvarili cilj. Postoji nekoliko osnovnih razloga zbog ega banke korsite skoring modele:

- omoguavaju poveanje prihoda jer bri i efikasniji proces kreditiranja poveava

konkurentnost banke i omoguava vei volumen prodaje,

- omoguavaju smanjenje trokova radne snage jer efikasnot i automatizovanost procesa

odobravanja kredita umanjuju potrebu za brojem ljudi koji rade na obradi kredita,

- omoguavaju smanjnje trokova rizika jer omoguava bolji kvalitet portfolija i

implicira manje trokove rezervisanja za kreditne gubitke.

Korisnici kredit skoring modela posebno su zadovoljni ovim modelima jer ovaj sistem

sniava vrijeme koje je potrebno za donoenje odluke o tome odobriti li kredit ili ne sa

prijanjih 12 sati na 15 minuta to jasno ukazuje na vanost i neophodnost primjene skoring

modela u bankama ali ne samo u ovim finansijskim institucijama ve i u drugim finansijskim

institucijama koje odluke donose na rangiranju klijenata. to finansijske institucije vie

koriste skoring to imaju i vie koristi od njega a i to se vie koristi, to je sve tanije

predvianje kreditnog ponaanja, predvianje dobitaka i gubitaka.

S druge strane vano je napomenuti da skoring modeli imaju i nedostatke, kako je ve

navedeno u radu, ali ipak prednosti kroitenja skoring modela uveliko su premaili nedostatke

tako da u budunosti moemo oekivati da e tradicionalni metod odobravanja kredita biti u

potpunosti zamjenjen skoring modelima.

28

6. Literatura

1. D. Sajter, Pregled osnovnih metoda i istraivanja poslovnih potekoa uz predvianje

steaja, Osijek, 2009

2. H. Geruning, S.B. Bratanovi, Analiza i upravljanje bankovnim rizicima, drugo

izdanje, Mate Zagreb

3. N. aralija, Upravljanje kreditnim rizicima, Ekonomski fakultet u Osijeku, 2008

4. P. Kapor, Bankarstvo, Megatrend univerzitet, Beograd, 2007.

5. P. S. Rose, Menadment komercijalnih banaka, etvrto izdanje, Mate 2003.

6. S. Komazec, B. Krsti, A. ivkovi, . Risti, Bankarski menadment upravljanje

savremenim bankarstvom, Beograd, 1998.

7. Z. Bohaek, N. arlija, M. Beni, Upotreba kredit skoring modela za ocjenjivanje

kreditne sposobnosti malih poduzetnika, 2008

8. Internet:

- http://denebs.com/wp-content/uploads/2011/07/Seminar-o-razvoju-kreditnog-

skoringa-SME-segment.pdf

- http://oliver.efos.hr/nastavnici/nsarlija/projekti/doc/Modeli%20bazirani%20na%20rac

unovodstvenim%20podacima.pdf

- http://www.alphascore.hr/istrazivanje-i-razvoj/rnd/kreditni-skoring.html

- http://www.mathos.hr/upravljanjekr/materijali/Kredit%20scoring%20modeli%20za%20stanov

nistvo%20(ppt).pdf

- http://www.econ.upf.edu/~bozovic/master/Rizik-7.pdf

- http://www.baselinemag.com/c/a/Business-Intelligence/Bad-Credit-Could-Cost-You-A-Job-

210188/

- http://bankinganalyticsblog.fico.com/2010/07/fico-scores-drift-downward.html

- http://www.antegra.com/download/antegra_sr.pdf