По данным Федеральной Службы Государственной Статистики, оборот у организаций из различных сфер экономики за февраль-март 2020 года значительно сократился. Что касается банковского сектора, в зоне риска находятся банки-моно-лайнеры розничного кредитования и банки с большой долей портфеля в пострадавших отраслях, а также банки с низким фактическим запасом капитала. Со 2-го полугодия 2020-го года ожидается рост уровня просрочки платежей по кредитам. Кредитные каникулы по ипотеке, потребительским кредитам физ.лицам и ссудам малому и среднему бизнесу предоставлены на срок до 3-6 месяцев. Сокращение комиссионных доходов банков обусловлено сокращением транзакций по картам физ. и юр.лиц, а также ограничениями ЦБ на размер комиссии по эквайрингу. Получение части процентного дохода отложено. Следовательно, банки принимают на себя удар, источником которого является реальный сектор экономики. Начало стабилизации ожидается к концу года.



Тем не менее, уже сейчас банки, будучи системно-поддерживающими организациями, обязаны реагировать и управлять ситуацией, преодолевая внезапные трудности. Чтобы сохранить прибыльность, им необходимо внести изменения в оценку рисков для клиентов корпоративного бизнеса и субъектов МСБ в условиях пандемии, и компания SAS готова в этом помочь. Эта тема стала ключевой на российском вебинаре SAS, который провели Мария Заворотная, старший консультант по управлению рисками, SAS Россия/СНГ, Мария Наумова, старший бизнес-консультант практики управления рисками, SAS Россия/СНГ, и Алексей Пятов, старший консультант, руководитель группы текстовой аналитики, SAS Россия/СНГ.

Эксперты SAS предлагают цикличный подход к управлению рисками в период нестабильности для корпоративных клиентов и МСБ и делят его на несколько этапов:
1. Сбор внутренних и внешних данных по всем контрагентам.
2. Анализ данных и их обработка моделями.
3. Поиск закономерностей и триггеров, которые характерны для текущей ситуации.
4. Обзор сценариев.
5. Оценка влияния на резервы и капитал.
6. Принятие взвешенных решений.

В первую очередь, предлагается провести раннюю диагностику – это мера превентивного реагирования на проблемы контрагента. Нужно заблаговременно выявить контрагентов, у которых могут в скором времени возникнуть сложности с обслуживанием долга; зафиксировать источники и информацию, на которую банк опирается в своих суждениях; обеспечить возможность адекватного реагирования на возникающие риски. Эти задачи решаются с помощью настройки автоматического сбора релевантной информации (отобранные на этапе моделирования предиктивные показатели/триггеры из различных источников); фиксирования логических правил (как расчетных, так и нет), на основе которых будет выноситься суждение об отнесении контрагента к категории «проблемных»; настраивания бизнес-процесса принятия решения о стратегии работы с контрагентом.

Основой превентивного реагирования является система сигналов раннего предупреждения. Эта система не новая, но в период нестабильности её следует оптимизировать и сделать более проактивной. Следует понимать, что ранее модели функционировали на стабильном рынке – их прогнозная сила была хороша в тех условиях, а сейчас они дают сбой. Финансовые факторы, использовавшиеся в качестве предикторов, уже меньше влияют на решение задачи, поэтому теперь нужно найти новые триггеры, которые позволят заранее предсказать, какие нарушения могут возникнуть у контрагентов, хотя на данный момент, возможно, у банков нет ярких признаков того, что нарушения вообще будут.

В нестабильное время важно обращать внимание на различные источники информации, которые внезапно могут оказаться полезными, настраивать эти источники и подход к накоплению этой информации. Источниками информации могут быть фин.отчетность контрагента, данные о бизнес-плане, данные по счетам, информация о просрочке, СПАРК, БКИ, информационно-новостные системы, «черные» списки, ФНС, ФССП, ФМС и др. Проанализировать их и выделить факты можно с помощью текстовой аналитики SAS Visual Text Analytics. Полученные факты отражаются на шкале времени, что позволяет своевременно информировать пользователя.

Когда сигналы выявлены и проблема очевидна (хотя по факту еще не проявилась), банк может опередить событие и предложить клиенту типовую реструктуризацию. Согласно пакету предложений Банка России, банковским организациям рекомендуется в качестве первоочередной меры предлагать реструктуризацию в случае обращения к ним субъектов МСБ. Важно помнить, что послабления с точки зрения резервирования действуют лишь до 30 сентября, поэтому банк может превентивно взглянуть на эту проблему. С помощью SAS Risk Stratum создаются наборы типовых условий для таких реструктуризаций и выдаются предложения. Затем менеджер предлагает клиенту варианты, либо система может транслировать ему предложения автоматически, если соответствующие каналы будут настроены.

Эксперты SAS также отмечают, что слепо доверять показателям в период нестабильности не стоит – в рамках процесса актуализации моделей оценки вероятности дефолта контрагентов рекомендуется перестроить рейтинговую модель и сдвинуться от количественных предикторов к качественным. Качественные предикторы можно разделить на 3 модуля: модуль качественных факторов, модуль предупреждающих сигналов/факторов дефолта и модуль ручных корректировок. Если статистики не актуализированы и нет возможности пересчитать рейтинги по всему портфелю, то есть другой лайфхак – учет стрессовой калибровки с помощью двух способов. Первый способ – выбрать подходящую точку/период экономического спада по циклу, оценить вероятности дефолта в эту дату/за этот период (модель PD PIT). Если нет точки, на которую можно ориентироваться, то второй способ – оценить параметрическую зависимость PD PIT от макро на историческом горизонте, подставить текущие значения макропараметров, получить PD Stress. Так показатели корпоративных клиентов будут наиболее реалистичны.

После формирования надежных рейтинговых систем можно заняться стресс-тестированием, которое проводится и в стабильное время, но, по большому счету, реализуется по требованию регуляторов, поэтому не так активно используется в повседневной жизни банка. Сейчас следует отнестись к стресс-тестированию серьезнее, так как его результат напрямую влияет на резервы и банковские портфели. Это тестирование нужно проводить посегментно и оценивать риск-факторы с учетом отраслевой принадлежности заемщика: макроэкономического влияния, тарифного регулирования, государственного субсидирования и т.д., и, соответственно, рассматривать разные сценарии. При грамотно разработанных стрессовых сценариях сведения в отчетности не станут неожиданностью.

В условиях спада экономической активности особенно актуальным для оценки кредитного риска и отражения его в отчетности становится вопрос учета индивидуальных характеристик контрагентов. У банков зачастую есть особо крупные/проблемные заемщики, за которыми стоит наблюдать в период нестабильности, формировать четкую стратегию работы с ними, оптимизировать работы по взысканию и проводить индивидуальную оценку обесценения. Это важно, потому что проблемные активы могут занимать существенную долю портфеля, поэтому их нужно рассматривать отдельно. Необходимо учитывать конкретные объекты обеспечения, которые есть у крупных заемщиков. Должна быть четко сформулированная стратегия по работе с ними: следует разработать методологию того, как и в каких случаях банк будет действовать, затем автоматизировать эту процедуру, чтобы все было последовательно организовано в среде анализа.

Для отбора контрагентов с целью индивидуальной оценки могут учитываться его проблемность, отраслевая принадлежность, сумма под риском и рейтинг. При оценке всей информации в комплексе можно будет понять, нужно ли их реструктурировать и каково будет их итоговое влияние на резерв.

Стоит отметить, что сейчас компания SAS предоставляет бесплатный доступ к среде моделирования и анализа SAS Risk Modelling & Decisioning на Viya с данными по COVID-19. Его можно использовать для перекалибровки и переобучения моделей кредитного риска, а также для подготовки, обработки и анализа структурированных/неструктурированных данных; управления настроенными наборами данных, верификации полноты и качества передаваемых в них данных; разработки моделей, в том числе моделей ИИ и машинного обучения; оперативного обучения и встраивания в бизнес-процессы моделей OS, R, Lua; быстрой публикации моделей; мониторинга качества моделей; составления документации и отчетов. Также доступен тридцатидневный бесплатный пробный период SAS Academy for Data Science.

«В период нестабильности подход к использованию аналитики и инструментов риск-менеджмента становится более гибким и проактивным, но нужно помнить, что после 30 сентября ряд поддерживающих мер как финансового, так и регуляторного характера перестанут действовать, тем самым еще раз подвергнут банковскую отрасль стрессу. Это значит, что показатели устойчивости бизнеса могут опять продемонстрировать резкий скачок, и в связи с этим нужно будет принять необходимые меры, чтобы максимально сгладить этот переход», - говорит Мария Наумова, старший бизнес-консультант практики управления рисками, SAS Россия/СНГ.