Подводя итог краткого обзора докризисного периода работы отечественных коммерческих банков с образовательными кредитами, можносказать, что более низкие процентные ставки образовательных кредитов (по сравнению с альтернативными программами кредитования), наличие льготного периода и длительный срок возврата обуславливают низкую долю данного вида кредита в кредитных портфелях банков.
Тот факт, что предложения исходят только от банков-лидеров либо кредитных организаций, обладающих поддержкой меценатов и государства, наглядно показывает, что, несмотря на все плюсы образовательного кредита (для банка это в первую очередь плюсы, связанные с привлекательным, социально ориентированным имиджем организации), эффективный запуск данного кредитного продукта без поддержки государства невозможен. Последнее обстоятельство еще более актуализировалось в связи с кризисными явлениями в мировой экономике, что обострило необходимость экономии, а значит, замораживания низкодоходных программ кредитования, к которым в настоящий момент можно отнести образовательный кредит. Участие средств меценатов и государства в обеспечении образовательных кредитов обусловлено тем, что для российских банков вопрос оценки рисков по данному кредиту не является первоочередным. В данном случае ситуация неопределенности покрывается повышенной рисковой надбавкой. Таким образом, государство, меценаты берут на себя часть рисков, чтобы оптимизировать стоимость образовательного кредита для конечного потребителя. Кроме того, было бы неверным характеризовать образовательный кредит как убыточный продукт. По мере роста уверенности в качестве продукта и благонадежности клиентов участие указанных финансовых источников обеспечения должно минимизироваться. В этой связи критически важным становится умение оценивать риски образовательного кредита и управлять ими.
В случае образовательного кредита вопрос оценки рисков и управления ими далеко не тривиален. Это связано с особенностями образовательного кредита: длительным сроком кредитования, наличием льготного периода, низкой процентнойставкой, отсутствием у заемщика (в общем случае) кредитной истории на момент обращения за кредитом, спецификой объекта кредитования (инвестиции в человеческий капитал) и др.
Можно выделить три основных метода оценки кредитоспособности физического лица, учитывающих перечисленные особенности:
1)скоринговая оценка;
2)изучение кредитной истории;
3)оценка на основе финансовых показателей платежеспособности.
Скоринговые системы в кредитовании физических лиц выступают как средство минимизации кредитного риска. Отличительной чертой скоринговых систем является их ориентированность на показатели, не связанные на первый взгляд с кредитоспособностью заемщика напрямую (например, пол, возраст, семейный статус клиента могут оказывать значительное влияние на конечную оценку). Данное обстоятельство особенно актуально в привязке к образовательному кредиту, поскольку, с одной стороны, текущее финансовое состояние заемщика не должно являться главным фактором, влияющим на принятие решения, а с другой — необходимо выявлять группы заемщиков, способных возвратить в перспективе выделенные средства.
В систему скоринга входят только статистически важные показатели. В западной литературе приводится следующий набор показателей:
· возраст;
· количество детей / иждивенцев;
· профессия;
· профессия супруга(и);
· доход;
· доход супруга(и);
· район проживания;
· стоимость жилья;
· наличие телефона;
· сколько лет проживает по данному адресу;
· сколько лет работает в данной организации;
· сколько лет является клиентом данного банка;
· наличие кредитной карточки / чековой книжки.
Представленные показатели используют в банках Великобритании для построения модели, предсказывающей вероятность наступления дефолта по выдаваемому кредиту, понятие дефолта при этом для различных банков может отличаться. В других странах набор характеристик, которые наиболее тесно связаны с вероятностью дефолта, будут определять свои национальные экономические и социально-культурные особенности. Чем более однородна популяция клиентов, для которой разрабатывается модель, тем точнее прогнозирование дефолта, поэтому очевидно, что нельзя автоматически перенести модель из одной страны в другую или из одного банка в другой. Даже внутри одного банка существуют различные модели для различных групп клиентов и различных видов кредита.
В случае образовательного кредита в систему скоринга с целью анализа объекта кредитования необходимо включить специфические характеристики кредитного продукта и заемщика:
· наименование вуза;
· тип подразделения (факультет, институт, филиал, представительство);
· наименование подразделения (общепринятой код);
· специальность (общепринятый код);
· специализация/ отрасль;
· форма обучения;
· квалификация;
· стоимость обучения.
Дополнительно могут быть включены следующие характеристики:
· общероссийский и региональный рейтинг вуза;
· рейтинг специализации и специальности;
· соотношение бюджетных и внебюджетных мест по той или иной специализации / специальности в выбранном Вузе;
· прочие критерии стабильной и эффективной деятельности учебного заведения.
Заемщика можно оценивать по следующим критериям:
· результаты Единого государственного экзамена (ЕГЭ);
· факты участия в различных всероссийских олимпиадах, конкурсах;
· прочие документально подтвержденные факты, положительно характеризующие заявителя.
Предложенный набор характеристик заемщика (студента) и образовательной программы может быть использован для построения статистической модели оценки кредитоспособности (в форме факторных переменных скоринговой модели). Необходимо отметить, что реализация процесса управления рисками в образовательном кредитовании с использованием скоринговых моделей затруднена ввиду короткой истории работы отечественных банков с данным видом кредитного продукта. Необходимы альтернативные решения, которые сохранят свою актуальность до момента накопления необходимого объема статистики.
В качестве альтернативы можно предложить использовать для построения оценочных моделей имеющуюся информацию по кредитным продуктам с достаточно длительной историей, а также источники, косвенно характеризующие заемщика сточки зрения вероятности возврата кредита.
Альтернативным источником информации могут являться, например, данные Всемирного банка. В частности, на основании данных проведенного в 2003 г. национального обследования благосостояния домохозяйств и участия в социальных программах (НОБУС) может быть построена модель, детерминирующая вероятность оплаты за профессиональное образование (табл. 4).
Так, было определено, что вероятность получения профессионального образования на платной основе увеличивается для женщин на 53%. С увеличением возраста на один год вероятность оплаты образования повышается на 4,4%, т.е. в зрелом возрасте получение образовательных услуг на платной основе вероятнее. Состоящие в браке чаще оплачивают образование. Важной переменной является логарифм располагаемых среднедушевых ресурсов домохозяйства, определяемых как максимум по доходам и расходам. Повышение значения этой переменной увеличивает шансы оплаты профессионального образования более чем на 220%. Таким образом, с ростом реального благосостояния населения реализуется процесс получения образования на условиях полного возмещения затрат. В логистической модели учтены региональный и поселенческий факторы. Вероятность оплаты образования индивидами из регионов-аутсайдеров слабо освоенной зоны (Республика Калмыкия, Алтай, Тыва, Читинская область, Еврейская АО) меньше на 50% по сравнению с регионами-лидерами (г.Москва, Тюменская область). Для остальных регионов указанная вероятность меньше приблизительно на 37%.
Нами выявлено, что при получении образования на платной основе важен поселенческий фактор. У выходцев из малых городов (до 20 тыс. жителей) и поселков городского типа шансы учиться на коммерческом месте выше по сравнению с жителями крупных городов (с населением 1 млн. и более) на 73%. В два раза меньше (36%) такие шансы у жителей городов с населением 20-100 тыс. человек.
Таким образом, мы имеем вероятный «портрет» индивида, получающего образование на платной основе: женщина, состоящая в браке, проживающая в малом городе, в домохозяйстве с высоким уровнем располагаемых ресурсов.
Аналогичным образом строится оценочная модель, детерминирующая вероятность наступления дефолта на базе информационного массива кредитных продуктов, по которым существует достаточно длительная история (например, ипотека, потребительский кредит и т.д.).
Алгоритм анализа кредитоспособности заемщика выглядит следующим образом.
1. Выбор наилучшей из построенных оценочных моделей (например, между моделями, построенными на базе математического аппарата дискриминантного анализа или многофакторной логистической регрессии).
2. Оценка клиента по критерию «благосклонно / неблагосклонно относящийся к платности образования».
3. Оценка клиента по критерию «плохой / хороший» применительно к его текущей кредитоспособности.
4. Оценка клиента по критерию «плохой / хороший» применительно к его кредитоспособности после окончания учебного заведения.
5. Принятие решения о формировании кредитного предложения, требований к обеспечению и поручительству (рис.2).
Таким образом, нами сформирована комплексная скоринговая модель оценки кредитоспособности потенциального потребителя образовательного кредита и оценки кредитногориска, основывающаяся на критерии отношения заемщика к возможности обучения на полностью платной основе. Данный подход был предложен как временный, до момента накопления достаточного объема информации о работе коммерческих банков России по направлению образовательного кредитования.