Upload
edina-hajro
View
103
Download
0
Embed Size (px)
DESCRIPTION
Scoring modeli upravljanja kreditnom politikom banaka
Citation preview
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).
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