ООО "МДЦ - консалтинг"

Телефоны: +7 (495) 984 02 59

121165 г. Москва, Кутузовский проспект дом 26, стр.3

 
Функции
Спецификация
Ресурсы

Главная » Продукты » Portfolio Advantage

Ресурсы


Методы оценки рисков при анализе портфеля просроченной задолженности

В статье обсуждается минимальный состав информационных реестров для достоверной оценки качества и стоимости долговых портфелей по просроченным потребительским кредитам. Описанные в статье результаты могут быть полезны специалистам подразделений по работе с проблемной задолженностью розничных банков, коллекторских агентств и инвестиционных компаний, заинтересованным в консолидации потребительской задолженности.

Оптимизация выбора стратегии взыскания просроченной задолженности

При любом способе управления массовым внесудебным взысканием задолженности рано или поздно возникает вопрос оптимизации. Себестоимость мероприятий по взысканию не должна превышать доходности; ограниченность трудовых ресурсов требует приоритезации усилий; возможны также дополнительные ограничения, направленные на сохранение лояльности клиентов, выполнение нормативов регулирующих органов и т.п.

Обычные вопросы, возникающие перед руководителем коллекторского подразделения или аналитиком:
  • Что выгоднее: начать взыскание немедленно или подождать несколько дней (возможно, клиент внесет платеж без дополнительных напоминаний)?
  • На какого клиента направить больше усилий по взысканию: частного предпринимателя, который должен банку 500 000 руб., но скрывается, или заемщика по кредитной карте с суммой задолженности 10 000 руб.?
  • Какого клиента нет смысла убеждать в ходе длительных телефонных переговоров, а необходимо срочно подавать в суд?
  • Когда следует прекратить усилия по взысканию данной задолженности?

Применение самоорганизующихся нейронных сетей для классификации заёмщиков

Для оценки качества портфелей просроченной задолженности оказалось возможным ограничиться лишь сведениями о сумме и сроке просрочки, оценкой степени риска мошенничества и(или) неплатежеспособности, полученной по косвенным признакам (взаимосвязи между заёмщиками, совпадение дат выдачи кредита и т.п.) и соотношением между ссудной задолженностью и задолженностью по процентам, комиссиям и штрафам.

Было бы интересно проверить прогнозную силу этого набора информационных полей альтернативными математическими средствами, а также обобщить методику такой проверки для задач мониторинга розничного долгового портфеля кредитной организации (не обязательно просроченных кредитов).

В статье описано, как нейронная сеть Кохонена самостоятельно выделила во входных данных класс должников, для которых погашение задолженности наиболее вероятно, что и подтвердилось впоследствии.
ФИНАНСОВЫЙ МОНИТОРИНГ!
Закажите презентацию нашего нового программного продукта
AML ADVANTAGE
в Вашем Банке
по телефону
Представляем новый продукт
"Portfolio Advantage":
хранилище данных,
OLAP-отчеты,
скоринг, антифрод
для мониторинга портфеля
потребительских кредитов

География посетителей сайта

Locations of visitors to this page