Search the digital library catalog

Abstract: V magistrski nalogi sem se posvetila obravnavi standardiziranega procesa odobritve potrošniškega kredita, ki ga odlikuje optimalen potek dela, z vključeno avtomatsko odločitvijo. Standardizacija je dejavnost vzpostavljanja usklajenih pravil in določil z namenom, da se doseže optimalna stopnja urejenosti na danem področju. Standardizacija je nujna, ker predstavlja pogoj za avtomatizacijo. Kreditni proces sestoji iz procesa prodaje, procesa obravnave kreditne vloge, procesa spremljave in odplačila. Večina bank ima v svojih zalednih službah dobro organizirano in avtomatizirano tretjo fazo kreditnega procesa, t.j. proces spremljave, v okviru katerega banka izvaja obračun obresti, spremembe obrestnih mer, spremembe anuitet ipd. Druga faza kreditnega procesa, to je obravnava kreditne vloge, ki je bistveno bolj zahtevna in tudi tvegana, ker je povezana s sprejemanjem odločitev, pa se pogosto izvaja ročno in decentralizirano po poslovalnicah. V ročno izvajanih poslovnih procesih so poslovna pravila in navodila v glavah kreditnih referentov, kar povečuje možnost napak in zlorab, prav tako je čas obdelave kreditne vloge predolg, kar zmanjšuje konkurenčnost banke. Za večino bank so krediti največji in najbolj očiten vir kreditnega tveganja. Za zmanjšanje kreditnega tveganja je ključno dobro upravljanje s tveganji. Banke dobro poznajo tehnike upravljanja s kreditnim tveganjem, saj ima bančni sektor dolgo zgodovino izkušenj na tem področju. S kapitalskim sporazumom Basel II, ki daje velik pomen tehnikam za zmanjševanje kreditnih tveganj in s kapitalskimi olajšavami motivira banke k uporabi notranjih bonitetnih sistemov, so znova pridobili na pomenu modeli kreditnega točkovanja. Modeli kreditnega točkovanja napovedujejo verjetnost, da potencialni kreditojemalec bodisi ne bo poravnal svojih obveznosti ali da bo po določenem časovnem obdobju začel zamujati. Kreditna ocena bankam omogoča hitro in avtomatizirano odločanje, kar je glavna prednost modelov kreditnega točkovanja. Z vidika banke je avtomatizacija odločanja zlasti pomembna pri poslih z velikim številom strank in majhno maržo na enoto produkta, kar je značilno za potrošniške kredite. Na drugi strani, z vidika strank, hitre, transparentne in dosledne bančne odločitve pomembno vplivajo na izboljšanje uporabniške izkušnje. V empiričnem delu naloge, smo na osnovi razkritij iz letnih poročil bank za leto 2014, predstavili in analizirati prakso bank v EU na področju upravljanja in merjenja kreditnih tveganj. Iz vsake izmed 28 držav članic EU smo izbrali po 5 največjih bank, glede na višino bilančne vsote in jih analizirali z vidika uporabe modelov kreditnega točkovanja ter uporabe notranjih bonitetnih ocen za določanje potrebnega kapitala. Analiza vzorca bank je pokazala, da 71% bank držav članic, kreditno sposobnost prebivalstva ocenjuje s pomočjo modelov kreditnega točkovanja in da le 20% bank držav članic kredite prebivalstvu odobrava na podlagi standardiziranega in avtomatiziranega procesa odločanja. Glede na velik razkorak med deležem bank, ki uporabljajo modele kreditnega točkovanja in deležem bank, ki potrošniške kredite odobravajo s pomočjo avtomatiziranega odločanja se poraja upravičen pomislek, da banke v letnih poročilih avtomatiziranega odločanja o kreditu niso razkrile.
Keywords: standardizacija procesov, kreditno tveganje prebivalstva, modeli kreditnega točkovanja, avtomatizacija odločanja
Published in DKUM: 13.09.2016; Views: 1308; Downloads: 146
Full text (1,15 MB)

Abstract: V disertaciji obravnavamo najstarejšo obliko finančnega tveganja, to je kreditno tveganje. Ko se kreditnemu tveganju izpostavljajo sodobne banke v močno medsebojno povezanem finančnem sistemu, se ustvarja prostor za nastanek sistemskega tveganja. Kapital banke je v tovrstnih razmerah še odgovorneje postavljen v vlogo varovala pred prenašanjem nepričakovanih izgub med bankami. Baselski sporazumi v vsaki svoji različici krepijo odvisnost zahtevanega kapitala od prevzetega tveganja. S tem nastane potreba po zelo natančni kvantifikaciji tveganj, ki jih je prevzela banka. Kvalitetna in ustrezna ocena parametrov tveganja v nekem portfelju je tako temeljni pogoj delujoče in učinkovite kapitalske regulacije. Izboljšanje klasifikacijske sposobnosti modela kreditnega tveganja, temeljnega graditelja v procesu ocene kapitalskih zahtev, bi tako lahko prispevala k izboljšanju učinkovitosti ugotavljanja kapitalskih zahtev. Disertacija predstavlja doprinos k védenju o kreditnem tveganju na področju portfelja potrošniških kreditov prebivalstvu. Za namen obvladovanja kreditnega tveganja s pomočjo klasifikacije kreditnih vlog je bilo v literaturi predstavljenih veliko kvantitativnih metod, med najpopularnejšimi so statistične metode. Razloge za priljubljenost logistične regresije, ki je v praksi najbolj uporabljana metoda za vprašanje modeliranja kreditnega tveganja na portfeljih kreditov prebivalstvu, gre iskati predvsem v poznavanju metode, preprostosti uporabe ter zadovoljivih rezultatih glede na potrebno ekspertno znanje. Kljub temu ne gre za najboljšo rešitev. Logistična regresija ima številne pomanjkljivosti, kar se pokaže tudi v tej disertaciji, kjer jo uporabimo za izdelavo primerjalnih modelov. Literatura nakazuje, da lahko boljšo klasifikacijsko sposobnost dosežejo tehnike nelinearnih metod, denimo metode podpornih vektorjev, nevronskih mrež, mehke logike itd. Osnovna teza te disertacije je, da klasifikacijski model za portfelj kreditov prebivalstvu, ki izključno ali deloma uporablja metodo samoorganizirajočih se mrež, deluje bolje kot klasični model, ki je logistična regresija. Najprej smo ocenili model z uporabo metode LVQ, ki je metoda iz družine samoorganizirajočih se mrež. Nato smo ocenili primerjalne modele. V disertaciji se posvetimo tudi vprašanju definiranja kvalitete modela, ki je ključno za možnost primerjave med dvema različnima rešitvama. Pokazano je, da je klasifikacijska točnost lahko najboljša mera kvalitete modela, saj ne posega pristransko v rezultat modela. Če pri interpretaciji rezultata modela ni potrebno vnašati nobene subjektivnosti, potem velja tudi, da dobi uporabnik enoznačen in transparenten odgovor o razvrstitvi kreditnih vlog. Ob primerjavi obeh alternativ se osnovna teza disertacije izkaže kot utemeljena, saj je model LVQ dosegel višjo klasifikacijsko točnost kot primerjalni model. Uspešnost metode pripisujemo prisotnosti nelinearnosti v podatkih. Pomen prispevka disertacije se kaže v možnosti takojšnjega prenosa ugotovitev v prakso. Uporaba metode, ki izboljšuje klasifikacijsko sposobnost modela kreditnega tveganja, predstavlja za banke možnost znižanja prihodnjih stroškov zaradi slabih kreditov ter znižanja oportunitetih stroškov zaradi zavrnitve potencialno dobrih kreditov. Uporaba izboljšanih modelov kreditnega tveganja prispeva k večji stabilnosti bančnega sistema in izboljšanem razmerju med dejanskim tveganjem v portfelju in zahtevanim kapitalom. Disertacija je predstavljena v slovenskem jeziku, s čimer utrjuje in razvija slovensko terminološko zakladnico.
Keywords: kreditno tveganje prebivalstva, verjetnost neplačila, samoorganizirajoče se mreže, vektorska kvantizacija
Published in DKUM: 04.06.2012; Views: 4184; Downloads: 709
Full text (1,95 MB)