Разработка модели оценки рисков в розничном экспресс-кредитовании тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Снегова, Елена Геннадьевна

• Снегова, Елена Геннадьевна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Снегова, Елена Геннадьевна

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ УПРАВЛЕНИЯ РИСКАМИ В РОЗНИЧНОМ КРЕДИТОВАНИИ

1.1. Сравнительный анализ существующих моделей оценки рисков в

розничном кредитовании

1.2. Методологические проблемы оценки рисков в экспресс-кредитовании.

ВЫВОДЫ ПО ГЛАВЕ 1

ГЛАВА 2. РАЗРАБОТКА МЕТОДИКИ ОЦЕНКИ РИСКОВ ВНЕШНЕГО И ВНУТРЕННЕГО МОШЕННИЧЕСТВА

2.1. Методика оценки операционных рисков, связанных с внутренним

мошенничеством

2.2. Использование сети социальных связей для анализа поведения потенциального заемщика

2.3. Методика оценки операционных рисков, связанных с внешним

мошенничеством

ВЫВОДЫ ПО ГЛАВЕ 2

ГЛАВА 3. МОДЕЛИ ОЦЕНКИ РИСКОВ И УПРАВЛЕНИЯ ЛИМИТОМ В ЭКСПРЕСС-КРЕДИТОВАНИИ

3.1. Модель оценки рисков на данных расширенной анкеты заемщика

3.2. Порядок оценки эффективности построенной модели

3.3. Моделирование функции утилизации кредитного лимита

3.4. Модель управления лимитом кредитования при заданном уровне потерь

3.5. Апробация результатов и оценка экономической эффективности

предлагаемого решения

ВЫВОДЫ ПО ГЛАВЕ 3

ЗАКЛЮЧЕНИЕ

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Приложение №1. Коэффициенты логистической регрессии для кластеров торговых точек при включении их в скоринговую модель в качестве объясняющих переменных (в дополнение к классической методологии)

Приложение №2. Правила при анализе сетей социальных связей

Приложение №3. Коэффициенты логистической регрессии с включением всех правил локального хантера в качестве объясняющих переменных ..140 Приложение №4. Коэффициенты логистической регрессии с включением только значимых правил локального хантера в качестве объясняющих

переменных

Приложение №5. Коэффициенты авторегрессии для прогноза величины

утилизации

Приложение №6. Состояние кредитного портфеля после применения методики увеличения лимитов

Введение диссертации (часть автореферата) на тему «Разработка модели оценки рисков в розничном экспресс-кредитовании»

ВВЕДЕНИЕ

Актуальность темы исследования.

На протяжении последних нескольких лет российский рынок розничного кредитования переживает стадию стремительного развития. Все новые и новые банки выходят на этот сегмент, что приводит к усилению конкуренции. В последнее время услуга стала настолько популярной, что вышла за пределы отделений банка; заемщику предлагается оформить потребительский кредит на покупку товаров непосредственно в точке продаж, без посещения банка (так называемый экспресс-кредит).

В сентябре 2012 года ЦБ РФ объявил, что планирует ужесточить требования к банковским резервам по потребительским кредитам. Это связано с тем, что еще в августе регулятор был насторожен резким ростом потребительского кредитования вместе с недостаточно проработанной оценкой заемщиков и пренебрежительным отношением со стороны некоторых банков к учету рисков. Причина этого явления заключается в том, что применяемые скоринговые карты не учитывают операционные риски, с которыми банки не сталкивались ранее в таких объемах при классическом кредитовании, и поэтому не принимали их во внимание при разработке скоринговых систем для экспресс-кредитов. Операционный риск - это риск убытка в результате неадекватных ошибочных внутренних процессов, действий сотрудников и систем или внешних событий.

Базельский комитет по банковскому регулированию и надзору разработал новую редакцию положений - Базель III, направленную на устранения недостатков предыдущего соглашения Базель II, где указал дополнительные требования относительно валидации и стресс-тестирования риск-моделей и управления уровнем концентрации рисков. Однако внедрение новых стандартов в России ожидается только в январе 2018 года, в то время как рынок розничного кредитования растет стремительными темпами и совершенствовать систему риск-менеджмента в условиях современной ситуации нужно уже сейчас.

Экспресс-ссуды рассчитаны в основном на людей с небольшим достатком, для данного банковского продукта характерны большой объем поступающих кредитных заявлений и небольшой доход в расчете на одного клиента. Чтобы обеспечить доходность по продукту и справиться с высокой конкуренцией на рынке, банк практически полностью перекладывает процесс принятия решений по выдаче быстрых кредитов на автоматизированные системы. В связи с этим в экспресс-ссудах появилась возможность злоупотреблений и получения кредита мошенническим путем как со стороны клиентов, так и сотрудников банков.

Банкам, выдающим экспресс-ссуды, важно уметь управлять новыми возникающими рисками для минимизации неизбежных потерь. Кроме того, для моделирования оценки рисков в экспресс-кредитовании необходимо применение новых инструментов. В качестве такого инструмента в работе предлагается использование сети социальных связей. Вышесказанное определило выбор тематики и актуальность направления исследования.

Степень изученности темы.

Понятие, подходы и методы управления рисками освещаются в трудах В.М. Гранатурова, C.B. Дубкова, A.M. Дуброва, E.JI. Золотаревой, И.А. Киселевой, В.В. Дика, О.С. Рудаковой, C.B. Стрелкова, Ю.А. Кузнецовой, Б.А. Лагоши, М.В. Чекулаева, Е.Ю. Хрусталева. Основные зарубежные публикации об исследовании рисков освещены в работах Э. Альтмана, Т. Коха, Ф. Найта, Дж. Пикфорда, Г. Саймона, Н. Тэрнбулла.

Вопросам анализа социальных сетей посвящены работы ученых: С. Вассермана, Б. Велмана, Д.А. Губанова, Д.А. Новикова, К. Фауста, Л. Фримана, А.Г. Чхартишвили. Однако теоретические и практические вопросы анализа влияния сетей социальных связей на платежную дисциплину заемщика проработаны недостаточно полно.

В последние годы появилось достаточно большое число публикаций по использованию скоринга для анализа кредитоспособности заемщика, среди

которых следует отметить работы отечественных и зарубежных авторов: А.Ю. Александрова, Г.В. Андреева, Е.М. Заиченко, A.A. Кармокова, М.Ю. Купленкова, Д. Майерса, Д. Невина, A.A. Слуцкого, Р. Уотсона, Э. Форги, В. Хэнли, Г. Черчилла. Зарубежные исследования, несмотря на широкое освещение достигнутых результатов и опыта, не касаются вопросов их адаптации к российским условиям и не дают рекомендаций по их применению. Большинство публикаций при построении скоринговых моделей рассматривают кредитные риски; операционные риски не учитываются.

В целом, как теоретические, так и прикладные аспекты оценки рисков глубоко проработаны. Вместе с тем, с точки зрения построения системы управления рисками, учитывающей особенности экспресс-кредитования, вопросы методической и инструментальной поддержки задач оценки рисков при принятии кредитного решения остаются недостаточно исследованными. Существует потребность в теоретической разработке экономико-математической модели оценки рисков в экспресс-кредитовании с учетом особенностей именно этой области.

Отмеченные обстоятельства определили выбор темы исследования, его логику, цель, задачи и научную новизну.

Цели и задачи диссертационного исследования

Целью диссертационного исследования является разработка модели оценки рисков в экспресс-кредитовании для снижения уровня потерь, связанных с невозвратами по кредитным обязательствам.

Для достижения сформулированной цели в диссертационной работе были поставлены и решены следующие задачи:

1. Провести исследование и сравнение существующих методов оценки рисков в розничном кредитовании.

2. Классифицировать факторы рисков при принятии кредитных решений в экспресс-кредитовании, предложить основные направления

развития системы поддержки принятия решений на примере одного из крупнейших розничных банков.

3. Разработать методику оценки рисков в экспресс-кредитовании на основе кредитного скоринга, позволяющую учитывать операционные риски, связанные с внутренним мошенничеством, которая включает в расчет информацию о торговой точке, где оформляется сделка.

4. Разработать методику оценки рисков в экспресс-кредитовании, позволяющую учитывать операционные риски, связанные с внешним мошенничеством, с использованием анализа сетей социальных связей заемщиков.

5. Построить агрегированную экономико-математическую модель для оценки рисков в розничном экспресс-кредитовании, учитывающую в себе все существенные факторы рисков.

6. Разработать модель управления кредитным лимитом при заданном уровне потерь, позволяющую качественно улучшить портфель банка по экспресс-кредитам, выдаваемым в виде кредитных карт.

7. Провести апробацию разработанных методик и моделей оценки рисков и обосновать экономическую эффективность реализованных моделей оценки и управления рисками в розничном экспресс-кредитовании.

Объектом исследования являются риски, возникающие в ходе экспресс-кредитования физических лиц.

Предметом исследования являются экономико-математические модели и методы оценки рисков в экспресс-кредитовании.

Область исследования. Работа выполнена в соответствии с п. 1.4. «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки

предпринимательских рисков и обоснования инвестиционных решений» паспорта специальностей ВАК при Минобрнауки России (экономические науки) по специальности 08.00.13 - «Математические и инструментальные методы экономики».

Теоретическая и методологическая основа исследования.

Теоретическую базу исследования составили труды ведущих отечественных и зарубежных ученых и специалистов в области финансовой математики, теории вероятностей и математической статистики, теории риска, риск-менеджмента, экономико-математического моделирования процессов оценки рисков, интеллектуального анализа данных.

Методологической основой проведения исследования явились системный анализ, метод прогнозирования при помощи бинарной логистической регрессии, методы анализа сетей социальных связей, методы анализа бизнес-процессов, принципы построения информационных систем.

Сбор и обработка данных осуществлялись при помощи следующего программного обеспечения: аналитическая платформа Deductor, статистический пакет Statistica, MS Excel, СУБД Oracle 1 lg.

Информационная база исследования.

Информационную базу исследования составили материалы периодических печатных и электронных изданий в области риск-менеджмента, материалы научных и научно-практических конференций, публикуемые данные информационных агентств, отчеты аналитических и консалтинговых компаний, а также данные кредитных заявлений крупного российского банка.

Научная новизна работы.

В диссертационной работе поставлена и решена задача создания экономико-математической модели оценки рисков в экспресс-кредитовании,

разработана методика управления лимитом кредитования и проведена оценка эффективности предложенных моделей и методов.

Наиболее существенные результаты, полученные лично автором и составляющие элементы научной новизны, заключаются в следующем:

1. Проведено исследование и сравнение современных методов оценки рисков в розничном кредитовании. Особенность исследования заключается в том, что впервые обобщены недостатки указанных методов применительно к экспресс-кредитованию и сформулированы положения, направленные на устранение указанных недостатков, которые легли в основу разработанной модели оценки рисков в розничном экспресс-кредитовании.

2. Разработана методика оценки операционных рисков, связанных с внутренним мошенничеством. Отличительной особенностью данной методики является определение категории торговой точки и включение данного параметра в качестве объясняющего фактора в скоринговую систему, что дает возможность учитывать риски мошенничества со стороны сотрудников. Проанализирована возможность использования различных математических методов для построения скоринговой системы и доказана применимость метода логистической регрессии.

3. Впервые предложено использование сети социальных связей заемщика для оценки операционных рисков, связанных с внешним мошенничеством. Разработана универсальная методика построения подобных сетей для кредитных заявлений и способы анализа заемщика с учетом влияния сети социальных связей первого уровня. Разработана методика для проведения маркетинговых кампаний с использованием сети социальных связей заемщиков.

4. Разработана универсальная модель оценки рисков, учитывающая как кредитные, так и операционные риски, связанные с внутренним и внешним мошенничеством. В отличие от большинства существующих моделей оценки рисков при принятии кредитного решения, данная модель при расчете вероятности дефолта учитывает не только данные самого потенциального

заемщика, но и поведение группы связанных заемщиков и поведение сотрудников торговых точек. Предложена оценка эффективности разработанной модели.

5. Разработана модель управления лимитом кредитования при заданном уровне потерь, позволяющая качественно улучшить портфель банка по экспресс-кредитам, выдаваемым в виде кредитных карт. Предложенная автором модель отличается тем, что в своей основе использует созданный в работе способ моделирования функции утилизации кредитного лимита. На основе полученных результатов автором разработан алгоритм вычисления оптимального кредитного лимита для заемщика.

Теоретическая значимость исследования состоит в адаптации известных математических и инструментальных методов для решения задачи моделирования оценки рисков в розничном экспресс-кредитовании. Разработанная модель оценки рисков при принятии кредитного решения позволяет учитывать как кредитные, так и операционные риски. Предложенный подход использования сети социальных связей заемщика для оценки ее влияния на платежную дисциплину объединяет такие научные области как математическое моделирование процессов оценки рисков и анализа сетей социальных связей. Предложенная модель оценки рисков развивает теоретические основы в управлении рисками, дополняет предметную область исследования задач управления рисками.

Практическая значимость исследования заключается в возможном использовании его основных положений и выводов для оценки рисков в розничном экспресс-кредитовании, позволяющем учитывать новую значимую составляющую (операционные риски) и минимизировать потери, связанные с дефолтами по кредитам. Предложенная модель управления лимитами направлена на улучшение качества кредитного портфеля. Осуществлена апробация полученных результатов, проведены работы по

построению системы оценки рисков на основании предложенных моделей и методов.

Апробация и внедрение результатов исследования.

Основные результаты диссертационного исследования были доложены, обсуждены и получили одобрение на следующих конференциях: Научно-практическая конференция «Модели и методы экономики и управления» (Москва, 2011 г.), IV Международный научно-практический форум «Инновационное, развитие российской экономики» (Москва, 2011 г.), Студенческая научно-практическая конференция «Дни студенческой науки. Весна-2012», VII Всероссийский Фестиваль науки (Москва, 2012 г.), V Научно-практическая конференция молодых ученых «Инновационное развитие российской экономики» (Москва, 2012 г.), Ежегодная международная научная конференция «Модернизация экономических отношений в отраслях народного хозяйства» (Киев, 2012 г.), Международная научно-практическая конференция ««Фундаментальные и прикладные исследования: новое слово в науке»» (Москва, 2013 г.), бизнес-конференция «Equifax Infoday: Как победить кредитное

мошенничество и закредитованность в России» (Москва, 2013).

Результаты научного исследования используются в практической деятельности отдела систем принятия решений управления кредитных рисков розничного бизнеса ОАО «МТС-Банк» для системы принятия кредитных решений при рассмотрении анкеты потенциального заемщика по экспресс-кредитам.

Публикации.

Основные положения, выводы и рекомендации диссертационного исследования изложены в 10 опубликованных работах, включая 4 статьи в журналах, рекомендованных ВАК Минобрнауки России. Общий объем публикаций 3,65 печ. л. (из них авторских 3,1 печ. л.).

Структура и объем исследования

Диссертационная работа общим объёмом 145 страниц, состоит из введения, трех глав, заключения и списка использованной литературы.

Во введении обоснована актуальность темы диссертационной работы, сформулированы цели и задачи исследования, раскрыта научная новизна и практическая значимость диссертационной работы.

В первой главе «Современное состояние управления рисками в розничном кредитовании» дана общая характеристика текущей ситуации в области управления рисками в розничном кредитовании, перечислены методологические проблемы оценки рисков в экспресс-кредитовании, обоснована насущная необходимость развития моделей оценки рисков в экспресс-кредитовании в Российской Федерации. В главе описаны основные тенденции развития риск-менеджмента в мировой экономике и рассмотрены наиболее распространенные экономико-математические модели оценки рисков при построении скоринговых моделей.

Во второй главе «Разработка методики оценки рисков внешнего и внутреннего мошенничества» разработана методика оценки операционных рисков, связанных с внутренним мошенничеством, проанализирована возможность использования различных математических методов для построения скоринговой системы и доказана применимость метода логистической регрессии. Также в работе предложено использование сети социальных связей для оценки операционных рисков, связанных с внешним мошенничеством. Построенная сеть социальных связей на данных 3 млн заявок подтвердила изначальное предположение о корреляции в поведении между взаимосвязанными заемщиками.

В третьей главе «Модели оценки рисков и управления лимитом в экспресс-кредитовании» автором построена универсальная экономико-математическая модель, включающая в себя оценку кредитных и операционных рисков. Также в главе предложена модель управления лимитом кредитования при заданном уровне потерь, позволяющая

качественно улучшить портфель банка по экспресс-кредиту для случая кредитных карт, предложен способ моделирования функции утилизации кредитного лимита и доказана его применимость. Проведена апробация и обоснована экономическая эффективность реализованных моделей оценки рисков и управления лимитом в розничном экспресс-кредитовании.

В заключении обобщены результаты исследования, сформулированы выводы и предложения научного и практического характера. Работа содержит 29 рисунков, 19 таблиц, 6 приложений.

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ УПРАВЛЕНИЯ РИСКАМИ В РОЗНИЧНОМ КРЕДИТОВАНИИ.

1.1. Сравнительный анализ существующих моделей оценки рисков в розничном кредитовании.

На протяжении последних нескольких лет российский рынок розничного кредитования переживает стадию стремительного развития. Все новые и новые банки выходят на этот сегмент, что приводит к усилению конкуренции. Завершен переход от административно-управляемой высокомонополизированной государственной банковской структуры к динамичной, гибкой, основанной на частной и коллективной собственности системе кредитных учреждений, ориентированных на коммерческий успех и получение прибыли. Сфера предоставления банковских услуг заметно расширилась, кредитная система перешла на качественно новый этап развития.

В последнее время услуга кредитования стала настолько популярной, что вышла за пределы отделений банка; заемщику предлагается оформить потребительский кредит на покупку товаров непосредственно в точке

продаж, без посещения банка (так называемый экспресс-кредит).

Экспресс-ссуды рассчитаны в основном на людей с небольшим

достатком, для данного банковского продукта характерны большой объем поступающих кредитных заявлений и небольшой доход в расчете на одного клиента. Чтобы обеспечить доходность по продукту и справиться с высокой конкуренцией на рынке, банк практически полностью перекладывает процесс принятия решений по выдаче быстрых кредитов на автоматизированные системы. В связи с этим в экспресс-ссудах появилась возможность злоупотреблений и получения кредита мошенническим путем как со стороны клиентов, так и сотрудников банков. Поэтому банкам, выдающим экспресс-ссуды, важно уметь управлять новыми возникающими рисками для минимизации неизбежных потерь, что невозможно без интенсивного внедрения новейших банковских технологий, правильного выстраивания

бизнес-процессов и применения адекватных экономико-математических моделей.

Управление рисками (риск-менеджмент) - процесс принятия и выполнения управленческих решений, направленных на снижение вероятности возникновения неблагоприятного результата и минимизацию возможных потерь, вызванных его реализацией. Процесс принятия решений в экономике на всех уровнях управления происходит в условиях постоянно присутствующей неопределенности состояния внешней и внутренней среды, которая обусловливает полную или частичную неопределенность конечных результатов деятельности. Под неопределенностью в экономике понимается неполнота или неточность информации об условиях хозяйственной деятельности, в том числе о связанных с ней затратах и полученных результатах [60]. В современной экономике в качестве «индикатора» неопределенности выступает категория риска. В финансовом риск-менеджменте под риском понимается возможность потери части своих активов, недополучения доходов или появления дополнительных расходов в результате осуществления предпринимательской деятельности (соответствует понятию чистой неопределенности) [66]. В работе будем придерживаться данного определения. В отличие от неопределенности как таковой, риск является измеримой величиной и его количественной мерой служит вероятность неблагоприятного исхода. В более узком смысле экономический риск - это измеримая вероятность недополучения прибыли либо снижения стоимости финансовых активов, компании в целом и т.д.

Теория и практика финансового управления рисками (риск-менеждмента) уходит своими корнями в более широкую и имеющую более длинную историю область теории принятия решений и представляет собой дисциплину на стыке статистики, исследования операций, экономики и психологии. В кредитовании на этапе принятия решения по кредитной заявке необходимо оценить все возможные риски, и на основе произведенной

оценки принять решение о целесообразности выдачи того или иного кредита. Под целесообразностью следует понимать оптимальное решение, исходя из возможной доходности и величины риска, т.е. оптимального выбора среди возможных комбинаций «риск-результат». Доходность и риск изменяются в одном направлении: чем выше доходность, тем, как правило, выше риск операции. Проблема принятия эффективных управленческих решений в условиях риска занимает одно из важнейших мест в современной теории и практике банковской деятельности.

Для экспресс-кредитования решение о выдаче кредита должно приниматься за очень короткое время в силу особенностей продукта, поэтому система принятия решений по данному продукту должна быть практически полностью автоматизирована. Алгоритм или методика, которая по данным потенциального заемщика позволяет оценить его кредитоспособность (дать категоризированную оценку степени кредитного риска по потенциальному заемщику), называется скоринговая система [60]. Данные системы широко используются и постоянно совершенствуются в розничном кредитовании, в частности, в розничном экспресс-кредитовании в процессе принятия решений по кредиту.

По причине того, что технология скоринга имеет зарубежное происхождение, до сих пор в нашей стране нет единой терминологии, поэтому зачастую используются англоязычные понятия без перевода на русский язык [107]. Кроме того трактуется по-разному и само понятие скоринга. В данной работе будем придерживаться определений, которые дадим ниже.

В переводе с английского 'score' - подсчитывать очки, вести учет. Научный скоринг - метод классификации интересующей нас совокупности на различные группы, при которой неизвестна характеристика, разделяющая эти группы, но известны другие факторы, связанные с интересующей нас характеристикой. В его основе лежит математический аппарат теории вероятности и математической статистики. Идею разделения групп по

вторичным признакам высказал в 1936 году P.A. Фишер, который предложил метод разделения разновидностей ириса на основании измерений размеров частей растений [111]. Начало развития скоринга в области кредитования совпало по времени со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем. В 1941 г. Дэвид Дюран впервые предложил использовать скоринг для распознавания заемщиков с низкой и высокой степенью надежности [67]. Скоринг в розничных рисках - это метод оценки благонадежности клиента на основании обработки информации о поведении аналогичных клиентов в прошлом. Скоринговая модель - это математическая модель, предсказывающая, вернет или нет клиент кредит в срок. Классическим представителем скоринговой модели является скоринговая карта (балльная скоринговая модель). Скоринговая модель лежит в основе скоринговой системы.

Наиболее активно скоринговые системы начали развиваться в последние годы 20-го века, одной из главных причин стало расширение розничного кредитования с использованием кредитных карт. Количество обращений на получение кредитной карты сильно превысило возможности банка рассматривать анкеты потенциальных заемщиков существующими методами, появилась необходимость сокращать трудоемкость процесса обработки поступивших заявок и принятия решения по ним.

С помощью скоринга в розничном кредитовании решаются различные задачи в области управления кредитным портфелем, разработки и предложения новых кредитных продуктов. Наиболее актуальным применением скоринга является его использование в процессе оценки кредитоспособности заемщика. В западной практике данный вид скоринга

называется кредитный скоринг или application-скоринг (название произошло от слова 'application' - заявка, заявление). Также выделяют и другие виды скоринга, представленные в таблице:

Таблица 1.1.1.

Типы скоринговых моделей.

Тип скоринговой модели в зависимости от решаемых задач Описание

Application Application-scoring ('application' - заявка, заявление) или анкетный скоринг направлен на принятие кредитного решения по заявке потенциального заемщика.

Fraud Fraud-scoring ("fraud" - мошенничество, обман) или скоринг мошенничества направлен на определение мошенничества с помощью установки различных фильтров.

Список литературы диссертационного исследования кандидат наук Снегова, Елена Геннадьевна, 2013 год

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

Российские и зарубежные нормативные источники

1. Глобальные регулятивные стандарты по повышению устойчивости банков и банковских систем (Базель III). / Базельский комитет по банковскому надзору.

2. ГОСТ Р 50779.10-2000 (ИСО 3534-1-93) «Статистические методы. Вероятность и основы статистики. Термины и определения».

3. ГОСТ Р 51897-2002 «Менеджмент риска. Термины и определения».

4. Гражданский кодекс Российской Федерации (ГК РФ) - действующая редакция от 01.09.2013.

5. Международная конвергенция измерения капитала и стандартов капитала: новые подходы. (Базель II) / Базельский комитет по банковскому надзору.

6. Международный стандарт управления рисками ISO 31000:2009 (ISO/FDIS 31000 "Risk management - Principies and guidelines").

7. Положение Банка России от 16 декабря 2003 г. №242-П "Об организации внутреннего контроля в кредитных организациях и банковских группах".

8. Положение Банка России от 26 марта 2004 г. №254-П "О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности".

9. Стандарты управления рисками FERMA от 2002 г. (Risk Management Standarts / Federation of European Risk Management Associations (FERMA), 2002).

10. Уголовный Кодекс Российской Федерации (УК РФ) от 13.06.1996 №63-ФЗ.

11. Федеральный закон от 27 июля 2006 г. N 152-ФЗ "О персональных данных" (с изменениями и дополнениями).

Книги и учебные пособия

12. Актуальные проблемы отраслевого и межотраслевого менеджмента // Сборник под. ред. Нечаева П.А. - М.: 1999. 278с.

13. Афонин И.В. Управление развитием предприятия: стратегический менеджмент, инновации, инвестиции, цены: Учебное пособие. - М.: Издательство - торговая корпорация «Данков и К», 2002.

14. Ашманов С.А. Введение в математическую экономику. - М.: Наука, 1981.340с.

15. Баканов М.И., Шеремет А.Д. Теория экономического анализа: Учебник. -М.: Финансы и статистики, 1998. 416с.

16. Балашов В.Г., Ириков В.А. Технологии повышения финансового результата предприятий и корпораций. - М.: ПРИОР, 2002. 512с.

17. Банковские риски: учеб. пособие / под ред. д-ра экон. наук, проф. О.И. Лаврушина и д-ра экон. наук, проф. Н.И. Валенцевой. М.: КноРус, 2007.

18. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учеб. Пособие. - М.: Финансы и статистика, 2002. 366с.

19. Брейли Р., Майерс С. Принципы корпоративных финансов / Пер. с англ. М.: Олимп-бизнес, 1997. - 1120 с.

20. В. Н. Бурков, И. А. Горгидзе, С. Е. Ловецкий. Прикладные задачи теории графов. — М., 1974. — 232 с.

21. Виленский Н.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: теория и практика. -М.: Дело, 2002. 888с.

22. Виханский О.С., Наумов А.И. Менеджмент: Учебник для вузов. - М.: Высшая школа, 1994. 224с.

23. Выборнов В.И., Маврищев В.С. Экономическая эффективность промышленного производства: Учеб. пособие для вузов. - 2-е изд., перераб. и доп. - М.: Выш. Школа, 1982. 270с.

24. Выборочный метод в социально-экономической статистике: учеб. пособие / Э.К. Васильева, М.М. Юзбашев. - М.: Финансы и статистика, 2013.-256 с.

25. Гилл Ф., Мюррей У. Практическая оптимизация / Пер. с англ. М.: Мир, 1985.-509 с.

26. Гинзбург А.И. Экономический анализ: предмет и методы. Моделирование ситуаций. Оценка управленческих решений. - СПб.: Питер, 2003.480с.

27. Гончаров В.В. Важнейшие критерии результативности управления. - М.: МНИИПУ, 1998. 304с.

28. Гранатуров В.М. Экономический риск: сущность, методы измерения, пути снижения. - 2-е изд., перераб. и доп. - М.: Дело и Сервис, 2002. -160с.

29. Грызина Н.Ю., Мастяева И.Н., Семенихина О.Н. Математические методы исследования операций в экономике: Учебно-методологический комплекс. - М.: Изд. центр ЕАОИ, 2009. - 196 с.

30. Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства. / М.: Издательство физико-математической литературы, 2010. - 228 с.

31. Дубров A.M. Компонентный анализ и эффективность в экономике: Учеб. пособие. - М.; Финансы и статистика, 2002. - 352с.

32. Ерина A.M. Математико-статистические методы изучения экономической эффективности производства. - М.: Финансы и статистика, 1983.-191 с.

33. Замков О.О., Толстопятенко A.B., Черемных Ю.Н. Математические методы в экономике: Учебник / Под общ. ред. д.э.н., проф. A.B. Сидоровича; МГУ им. М.В. Ломоносова. - 3-е изд., перераб. - М.: Издательство «Дело и Сервис», 2001. 368с.

34. Иода Е.В., Мешкова JI.JI., Болотина E.H. Классификация банковских рисков и их оптимизация / под общ. ред. проф. Е.В. Иода. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2002.

35. Исследование операций в экономике: Учебн. пособие для вузов/ Кремер Н.Ш., Путко Б.А., Тришин И.М., Фридман М.Н.; Под ред. проф. Кремера Н.Ш. - М.: ЮНИТИ, 2000. 407с.

36. Ковалев В.В. Финансовый анализ: методы и процедуры. - М.: Финансы и статистика, 2002. - 767 с.

37. Колмогоров А.Н. Основные понятия теории вероятностей. М.: Наука, 1974.- 120 с.

38. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ / Под ред. И. В. Красикова. - 2-е изд.-М.: Вильяме, 2005.1296 с.

39. Кротов В.Ф. Основы теории оптимального управления. - М.: Высшая школа, 1990.

40. Левитин А. В. Алгоритмы: введение в разработку и анализ. -М.: Вильяме, 2006.

41. Марголин А. М., Быстряков А .Я. Экономическая оценка инвестиций. -М.: ЭКМОС, 2001.240с.

42. Мастяева И.Н., Горбовцов Г.Я., Семенихина О.Н. Математические методы исследования операций: Учебное пособие. - М.: МЭСИ, 2001. 153с.

43. Математическое программирование в экономике: учеб. пособие / A.B. Юденков, М.И. Дли, В.В. Круглов. - М.: Финансы и статистика, 2010. -240 с.

44. Основы финансовой математики: учеб. пособие / Е.Д. Копнова. - М.: Московский финасово-промышленный университет «Синергия», 2012. -232 с.

45. Петраков Н. Я. Кибернетические проблемы управления экономикой. -М.: Наука, 1974. 16 с.

46. Руководство по кредитному скорингу / под ред. Элизабет Мэйз; пер. с англ. И.М. Тикота; науч. ред. Д.И. Вороненко. Минск: Гревцов Паблишер, 2008. —464 с.

47. Теория статистики: учебник / P.A. Шмойлова, В.Г. Минашкин, H.A. Садовникова, Е.Б. Шувалова; под ред. P.A. Шмойловой. - 5-е изд. - М.: Финансы и статистика, 2007. - 656 с.

48. Теория статистики: учебно-методологический комплекс / под ред. проф. В.Г. Минашкина. -М.: Изд. центр ЕАОИ. - 2012. - 398 с.

49. Терехов J1.JI. Кибернетика для экономистов. - М.: Финансы и статистика, 1983.

50. Титов В.В. ФПГ: проблемы становления, функционирования, моделирования. - Новосибирск, 1996. 174с.

51. Томпсон A.A., Стрикленд А.Дж. Стратегический менеджмент. - М.: Банки и биржи, ЮНИТИ, 1998

52. Хэнд Д. Технология классификатора и иллюзия прогресса // Статистическая Наука, 2006.

53. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе. - М.: ЮНИТИ Дана, 2000. 367с.

54. Шеремет А.Д., Негашев Е.В. Методика финансового анализа: Учебное пособие. - 3-е изд., перераб. и доп. - М.: ИНФРА-М, 1999. 208с.

55. Шеремет А.Д., Сайфулин P.C., Негашев Е.В. Методика финансового анализа.-М.: ИНФРА-М, 1996. 172с.

56. Шмойлова P.A. Банковская статистика: Учебно-методологический комплекс. - М.: Изд. центр ЕАОИ. - 2010. - 320 с.

57. Эдгар М. Морсман-мл. Управление кредитным портфелем / пер. с англ. М.: Альпина Бизнес Букс, 2004.

58. Экономика промышленности СССР / Под ред. Б. М. Левина. - М.: Высшая шкода, 1977. 526с.

59. Экономика социалистической промышленности / Под. ред. Г.А. Егизаряна, А.Г. Омаровского. - 3-е изд. - М.: Изд-во МГУ, 1983. 368с.

60. Энциклопедия финансового риск-менеджмента / под ред. канд. экон. наук A.A. Лобанова и A.B. Чугунова. М.: Альпина Бизнес Букс, 2009. — 932 с.

61. Якубик П., Теплый П. Скоринг как индикатор финансовой стабильности / Институт экономических исследований факультета социальных наук Карлова университета, 2007.

62. Alexander С. Financial Risk Management and Analysis. Wiley, New York, 1996,352 р.

63. Altman E. Managing Credit Risk, 2nd Edition. //John Wiley and Sons, 2008.

64. Brigham E.F. Fundamentals of Financial Management. — 6-thEdition. — The Dryden Press, 1992.

65. Chandra P. Financial Management. Theory and Practice. Third Edition. -New Delhi: Tata McGraw-Hill Publishing Company Limited. 1993. - 936 p.

66. Downes J., Goodman J.E. Dictionary of finance and investment terms. 4th ed. -N.Y.: Barron's, 1995.

67. Durand D. Risk elements in consumer installment financing. — NY: National Bureau of Economic Research, 1941.

68. Mak Y.T., Ong P.F. Changes in Ownership structure and Board Structure after Initial Public Offering/ FEN Governance Working Paper Series, 1999.

69. Vaugham E.J. Risk management. — N.Y. etc.: Wiley, 1997.

Монографии российских и зарубежных авторов

70. Гальперин С.Б. Экономическое обоснование и оценка эффективности проектов создания корпоративных структур. - М., 2001.

71. Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе. - М.: Финансы и статистика, 2003. -190 с.

72. Золотарева Е.Л. Математическое моделирование операционного риска в коммерческом банке // Автореф. к-та экон. наук. М., ФГОБУ ВПО «Финансовый университет при Правительстве Российской Федерации», 2011.-25 с.

73. Киселева И.А. Коммерческие банки: модели и информационные технологии в процедурах принятия решений. - М.: Едиториал УРСС,

2002. - 400 с.

74. Найт Ф.Х. Риск, неопределенность и прибыль / Пер. с англ. - М.: Дело,

2003.-360с.

75. Одинцов Б.Е., Дик В.В., Приказчиков А.А. Синтез баз знаний и обратные вычисления для формирования экономических решений - М.: Маркет ДС, 2010.-238 с.

76. Петров А.А., Поспелов И.Г., Шананин А.А. Опыт математического моделирования экономики. — М.: Энергоатомиздат, 1996. 544с.

77. Пикфорд Дж. Управление рисками. - М.: Вершина, 2004. - 352с.

78. Романова А.Т. Оценка экономической эффективности корпоративных трансформаций. - М., 2006.

79. Churchill G. A., Nevin J. R., Watson R. R. The role of credit scoring in the loan decision. // Credit World. March, 1977.

80. Fabrycky W.J., Thuesen G.J., Verma D. Economic Decision Analysis, 3rd ed., Prentice Hall International, London, 1998.

81. Henley W.E. Statistical aspects of credit scoring. Ph.D. thesis, Open University, 1995.

82. Liu Y. New issues in credit scoring application. Arbeitsbericht 16/2001, Institut fur Wirtschaftsinformatik, 2001.

83. Martelo S., Toth P. Knapsack Problems: Algorithms and Computer Implementations / Wiley, Chichester, England, 1990. - 306 p.

84. Merton R. On the Current State of The Stock Market Rationality Hypothesis/ Cambridge/ The MIT Press/ 1987.

85. Myers J. H., Forgy E. W. The development of numerical credit evaluation systems // Journal of American Statistical Association. September, 1963.

86. Pisinger D. Algorithms for knapsack problems / Dept. of Computer Science, University of Copenhagen, Denmark. Ph.D. thesis, February 1995.

87. Prell С. Social network analysis: History, theory and methodology. // SAGE Publications Limited, 2011.

88. Robert C. Clarko Corporate Low. Little, Brown&co 1986, Boston.

89. Wasserman S., Faust K. Social Network Analysis. // Cambridge: Cambridge University Press, 1994.

Тематические журналы и статьи в профессиональных периодических изданиях

90. Андреев А.Ю. Коэффициентный анализ финансовых показателей в оценке кредитного риска банков // Вестник Самарского государственного экономического университета. 2009. № 6 (56).

91. Банковские технологии. Научно-техническое издание / учредитель ИГ «Профи-Пресс» М., 2011. № 2/2011. С. 38^14.

92. Бондарчук П.К., Тотьмянина K.M. От Базеля II к Базелю III: шаг вперед? // Лизинг. Технологии бизнеса. 2012. № 5. С. 3-17.

93. Гараган С.А., Павлов O.A. Оптимальная организация процесса рассмотрения кредитных заявок // Банковское кредитование. Методический журнал / учредитель ИД «Регламент-Медиа». М.,2008. № 6 (22).

94. Грачев A.B. Оценка платежеспособности предприятия за период // Финансовый менеджмент. - 2003. - №1. - С. 20-30.

95. Данилин В. Экономико-математическая модель развития корпорации // РЭИ, 1997, №10. с. 82-98.

96. Денис Б. Метрика эффективности // Вестник McKinsey. - 2003. - № 1(3)

97. Дик В.В. ИТ-стратегия как инструмент обратной связи в развитии бизнеса // Прикладная информатика. 2009. № 1. С. 22-29.

98. Дубков С. В., Кузнецова Ю. А., Дадалко В. А. Методические основы управления операционным риском коммерческого банка // Минск, журнал «Банковский вестник», 2011, № 34.

99. Кузнецов С. Затратный подход в оценке бизнеса // Аудит и налогообложение. 2004. - №2(98).

100. Мастяева И.Н., Немиткина В.В. Оптимизация затрат организаций, связанных с информационными рисками // Экономические науки. Научно-информационный журнал. 2007, №11 (36).

101. Рудакова О.С. Анализ рисков информационной безопасности коммерческого банка на основе применения аппарата нечеткой логики// Информатизация и глобализация экономических процессов в XXI веке: теория и практика. Сборник статей по материалам Международной научно-практической конференции Москва (Россия) ВЗФЭИ, 23 мая 2006 г., т.2.

102. Рудакова О.С. Формализация процесса возникновения операционного риска в системах электронных денег //Расчеты и операционная работа в коммерческом банке №4, 2005.

103. Рудакова О.С., Родина Ю.В. Анализ угроз информационной безопасности кредитных организаций // Национальные интересы: приоритеты и безопасность. 2009. № 23. С. 61-67.

104. Стрелков C.B. Анализ и качественная оценка операционных рисков кредитных организаций: риски информационных систем. // Российский экономический интернет-журнал: Акад. труда и социальных отношений - Электрон, журн. - М.: АТиСО, 2009 г.

105. Стрелков C.B. Стохастическое моделирование операционных рисков кредитных организаций. // «Аудит и финансовый анализ», М.: ДСМ Пресс, №2, 2010г.

106. Стрелков C.B., Мастяева И.Н. Распределение рискового капитала на основе кооперативных игр. // Экономика и математические методы, ЦЭМИ РАН. 2010, т. 46, в. 3.

107. Уланов C.B. Оценка качества и сравнение скоринговых карт // Экономические науки. Научно-информационный журнал. 2009, №9 (58), с. 330-335.

108.Фатхутдинов Р.А. Наука и стратегическая конкурентоспособность России // Наука и промышленность России. 2003. - №1.

109. Anagnostopoulos A., Kumar R., Mahdian М. Influence and Correlation in Social Networks // Proceeding of the 14th International Conference on Knowledge Discovery and Data Mining, Las Vegas, Nevada, August 2008, P.7-15.

110.Chesser D.L. Predicting loan noncompliance. // The Journal of Commercial Bank Lending, 56 (12), 1974.

111.Fisher R. A. The use of multiple measurements in taxonomic problems // Annals of Eugenics. 1936. N. 7. p. 179 - 188.

112. Freeman L.C. Finding social groups: A meta-analysis of the southern women data. // Dynamic social network modeling and analysis, 2003. - p. 39-97.

113. Joseph Heath, Wayne Norman Stakeholder Theory, Corporate Governance and Public Management. What can the history of state-run enterprises teach us in the post-Enron era? // Journal of Business Ethics. - 2004. - № 53. - C. 247-265.

114. Liu Y. The evaluation of classification models for credit scoring. Arbeitsbericht 02/2002, Instituí fur Wirtschaftsinformatik, 2002.

115. Michael C. Jensen Value maximization. Stakeholder theory, and the Corporate objective function. // European Financial Management, Vol. 7, No. 3,2001, p. 297-317.

116. Ohlson J. Financial ratios and probabilistic prediction of bankruptcy. // Journal of Accounting Research, Vol. 19, 1980.

117. Peterson M. Continual Improvement for Competitive Advantage // Industrial Management & Data Systems. - 2002. - № 1. - C. 90-104.

118. Robins G., Lewis J.M., Wang. P. Statistical network analysis for analyzing policy networks. // Policy Studies Journal, 40.3, 2012. - p. 375-401.

119. Shleifer A., Vishny R., «Value Maximisation and the Acquisition Process» 1986, Journal of Economic Perspectives №2, 7-20.

120. Simon H.A. Theories of decision-making in economics and behavioral science. American Economic Review 49, 1959.

121.Smithson M., Verkuilen J. A better lemon squeezer? Maximum-likelihood regression with beta-distributed dependent variables. / Psychological Methods, 2006, Vol. 11, No.l, p.54-71.

122.Wellman B. Network analysis: Some basic principles. // Sociological theory1.1, 1983.-p. 155-200.

Электронные информационные ресурсы

123. Береговая Г., Доронкин М., Волков С. Потребительское кредитование в России: опасная гонка [Электронный ресурс] // Рейтинговое агентство «Эксперт», 2012. - Режим доступа: http://raexpert.ru/editions/bulletin/10_10_12/potrebkred_2012.pdf (дата обращения 03.04.2013).

124. Газета «Коммерсант». 2013, №42 (5073). [Электронный ресурс]. - Режим доступа: http://www.kommersant.ru (дата обращения 05.04.2013).

125.Информационный портал Банки.ру. [Электронный ресурс]. - Режим доступа: http://www.banki.ru (дата обращения 10.03.2013).

126. Информационный портал Центрального банка Российской Федерации. [Электронный ресурс]. - Режим доступа: http://www.cbr.ru/ (дата обращения 10.03.2013).

127. Официальный сайт ОАО «МТС-Банк». [Электронный ресурс]. - Режим доступа: http://www.mtsbank.ru/ (дата обращения 10.06.2013).

128. Служба тематических толковых словарей Glassary Commander. [Электронный ресурс]. - Режим доступа: http://glossary.ru/ (дата обращения 15.07.2013).

129. Технология анализа данных Deductor компании BaseGroup Labs. [Электронный ресурс]. - Режим доступа: http://www.basegroup.ru/deductor/ (дата обращения 21.09.2013).

130. Burton, B.K., Dunn, C.P. Stakeholder Interests and Community Groups: A New View. / International Association for Business and Society Annual Meetings. [Electronic resource]. - 1996. - Mode of access: http://www-rohan.sdsu.edu/faculty/dunnweb/pubs.iabs96.html.

131. Oxford English Dictionary. [Electronic resource]. - Mode of access: http://oxforddictionaries.com/.