<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.3 20210610//EN" "JATS-journalpublishing1-3.dtd">
<article article-type="research-article" dtd-version="1.3" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xml:lang="ru"><front><journal-meta><journal-id journal-id-type="publisher-id">ellibs</journal-id><journal-title-group><journal-title xml:lang="ru">Электронные библиотеки</journal-title><trans-title-group xml:lang="en"><trans-title>Russian Digital Libraries Journal</trans-title></trans-title-group></journal-title-group><issn pub-type="epub">1562-5419</issn><publisher><publisher-name>Казанский (Приволжский) федеральный университет</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.26907/1562-5419-2021-24-4-689-709</article-id><article-id custom-type="elpub" pub-id-type="custom">ellibs-293</article-id><article-categories><subj-group subj-group-type="heading"><subject>Research Article</subject></subj-group><subj-group subj-group-type="section-heading" xml:lang="ru"><subject>Статьи</subject></subj-group></article-categories><title-group><article-title>Применение методов скоринговой оценки кредитных рисков в мониторинге корпоративного заемщика</article-title><trans-title-group xml:lang="en"><trans-title>Application of Credit Risk Scoring Methods in Corporate Borrower Monitoring</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Тазенкова</surname><given-names>О. А.</given-names></name><name name-style="western" xml:lang="en"><surname>Tazenkova</surname><given-names>O. A.</given-names></name></name-alternatives><email xlink:type="simple">otazenkova1@gmail.com</email><xref ref-type="aff" rid="aff-1"/></contrib></contrib-group><aff-alternatives id="aff-1"><aff xml:lang="ru"><institution>Казанский (Приволжский) Федеральный университет</institution></aff><aff xml:lang="en"><institution>Kazan (Volga region) Federal University</institution></aff></aff-alternatives><pub-date pub-type="collection"><year>2021</year></pub-date><pub-date pub-type="epub"><day>28</day><month>08</month><year>2021</year></pub-date><volume>24</volume><issue>4</issue><fpage>689</fpage><lpage>709</lpage><permissions><copyright-statement>Copyright &amp;#x00A9; Тазенкова О.А., 2021</copyright-statement><copyright-year>2021</copyright-year><copyright-holder xml:lang="ru">Тазенкова О.А.</copyright-holder><copyright-holder xml:lang="en">Tazenkova O.A.</copyright-holder><license xml:lang="ru" license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>Данная работа распространяется под лицензией Creative Commons Attribution 4.0.</license-p></license><license xml:lang="en" license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>This work is licensed under a Creative Commons Attribution 4.0 License.</license-p></license></permissions><self-uri xlink:href="https://ellibs.elpub.ru/jour/article/view/293">https://ellibs.elpub.ru/jour/article/view/293</self-uri><abstract><p>Предложен метод оценки риска дефолта корпоративного заемщика на этапе мониторинга на основе скоринговой оценки. Приведено доказательство гипотезы в том, что скоринговые методы оценки кредитных рисков возможны к применению не только на этапе первичной оценки потенциального заемщика при принятии решения о кредитовании, но и на этапе его мониторинга при сопровождении сделки. Мониторинг представляет собой периодическую проверку кредитного качества корпоративного заемщика, с кем заключен кредитный договор. Это делается с целью своевременного выявления негативных сигналов, а также своевременного реагирования на угрожающие тенденции в деятельности заемщика.


Некоторые кредитные организации экономят на мониторинге, полагаясь на систему принятия решения, считая ее безупречной. Однако данная экономия может оказаться фатальной ошибкой, так как многое в течение «жизни» предприятия со временем изменяется. Этому способствуют как внешние факторы (политические, экономические), так и внутренние (неверная стратегия развития организации, неспособность оценить собственные кредитные возможности, недобросовестные контрагенты).


Предлагаемый метод представляет собой систему автоматических риск-сигналов, которые прошли проверку на предсказательную способность, исключая ручные процедуры. В предлагаемое решение включены маркеры (риск-сигналы), которые имеют предсказательную способность выше средней, что может привести к дефолту корпоративного заемщика. Дополнительно применена цветовая маркировка – красный, желтый, зеленый, которая позволяет визуализировать критичность выявленного риск-сигнала в зависимости от предсказательной способности – наглядное представление рисков заемщика с целью облегчения интерпретации.


Анализ разработанного метода показал, насколько возможно ускорить процесс проведения мониторинга, что позволит обеспечить оперативность реагирования на выявленные риск-сигналы, а также спрогнозировать вероятное ухудшение кредитного качества заемщика в кредитном или гарантийном портфеле без ущерба для качества оценки риска.
</p></abstract><trans-abstract xml:lang="en"><p>A method for assessing the risk of default of a corporate borrower at the monitoring stage based on a scoring assessment is proposed. This paper provides proof of the hypothesis that scoring methods for assessing credit risks can be used not only at the stage of initial assessment of a potential borrower when making a decision on lending, but also at the stage of its monitoring when accompanying a transaction. Monitoring is a periodic review of the credit quality of the corporate borrower with whom the loan agreement is concluded. This is done for the purpose of timely detection of negative signals, as well as timely response to threatening trends in the borrower's activities.


Some credit institutions save on monitoring by relying on the decision-making system, considering it flawless. However, this saving can be a fatal mistake, since many things change over time during the "life" of the enterprise. This is facilitated by both external factors (political, economic) and internal (incorrect development strategy of the organization, inability to assess its own credit capabilities, unscrupulous counterparties).


The proposed method is a system of automatic risk signals that have been tested for predictive ability, excluding manual procedures. The proposed solution includes markers (risk signals) that have a predictive ability above average, which can lead to a default of the corporate borrower. In addition, color marking is applied – red, yellow, green, which allows you to visualize the criticality of the identified risk signal depending on the predictive ability - a visual representation of the borrower's risks in order to facilitate interpretation.


The analysis of the developed method showed how much it is possible to speed up the monitoring process, which will allow for a prompt response to the identified risk signals, as well as to predict the likely deterioration of the borrower's credit quality in the loan or guarantee portfolio without compromising the quality of risk assessment.
</p></trans-abstract><kwd-group xml:lang="ru"><kwd>моделирование</kwd><kwd>корпоративный заемщик</kwd><kwd>мониторинг</kwd><kwd>дефолт</kwd><kwd>кредитный риск</kwd><kwd>риск-карта</kwd><kwd>скоринг</kwd></kwd-group><kwd-group xml:lang="en"><kwd>modeling</kwd><kwd>corporate borrower</kwd><kwd>monitoring</kwd><kwd>default</kwd><kwd>credit risk</kwd><kwd>risk card</kwd><kwd>scoring</kwd></kwd-group></article-meta></front><back><ref-list><title>References</title><ref id="cit1"><label>1</label><citation-alternatives><mixed-citation xml:lang="ru">Шаталова Е.П. Банковские рейтинги в системе риск-менеджмента: процедуры мониторинга кредитных рейтингов. М.: КНОРУС, 2018. 242 с.</mixed-citation><mixed-citation xml:lang="en">Шаталова Е.П. Банковские рейтинги в системе риск-менеджмента: процедуры мониторинга кредитных рейтингов. М.: КНОРУС, 2018. 242 с.</mixed-citation></citation-alternatives></ref><ref id="cit2"><label>2</label><citation-alternatives><mixed-citation xml:lang="ru">Бордакова М.В. Особенности построения внутренних моделей рейтинговой системы оценки кредитного риска корпоративных заемщиков // Банковские услуги, 2012. С. 9–21.</mixed-citation><mixed-citation xml:lang="en">Бордакова М.В. Особенности построения внутренних моделей рейтинговой системы оценки кредитного риска корпоративных заемщиков // Банковские услуги, 2012. С. 9–21.</mixed-citation></citation-alternatives></ref><ref id="cit3"><label>3</label><citation-alternatives><mixed-citation xml:lang="ru">Шаталова Е.П., Шаталов А.Н. Оценка кредитоспособности заемщиков в банковском риск-менеджменте. М.: КНОРУС, 2011. 166 с.</mixed-citation><mixed-citation xml:lang="en">Шаталова Е.П., Шаталов А.Н. Оценка кредитоспособности заемщиков в банковском риск-менеджменте. М.: КНОРУС, 2011. 166 с.</mixed-citation></citation-alternatives></ref><ref id="cit4"><label>4</label><citation-alternatives><mixed-citation xml:lang="ru">Александров В.В. Развивающиеся системы. В науке, технике, обществе и культуре. Часть 1. Теория систем и системное моделирование. СПб.: Изд-во СПбГТУ, 2000. 243 с.</mixed-citation><mixed-citation xml:lang="en">Александров В.В. Развивающиеся системы. В науке, технике, обществе и культуре. Часть 1. Теория систем и системное моделирование. СПб.: Изд-во СПбГТУ, 2000. 243 с.</mixed-citation></citation-alternatives></ref><ref id="cit5"><label>5</label><citation-alternatives><mixed-citation xml:lang="ru">Бухтин М.А. Принципы и подходы к формированию методик внутренних кредитных рейтингов для корпоративных клиентов // Управление финансовыми рисками. 2008. 27 с.</mixed-citation><mixed-citation xml:lang="en">Бухтин М.А. Принципы и подходы к формированию методик внутренних кредитных рейтингов для корпоративных клиентов // Управление финансовыми рисками. 2008. 27 с.</mixed-citation></citation-alternatives></ref><ref id="cit6"><label>6</label><citation-alternatives><mixed-citation xml:lang="ru">Бенгфорт Б., Билбро Р., Охеда Т. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка. СПб.: Питер, 2019. 368 с.</mixed-citation><mixed-citation xml:lang="en">Бенгфорт Б., Билбро Р., Охеда Т. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка. СПб.: Питер, 2019. 368 с.</mixed-citation></citation-alternatives></ref><ref id="cit7"><label>7</label><citation-alternatives><mixed-citation xml:lang="ru">Федеральный закон «О несостоятельности (банкротстве)» от 26.10.2002 № 127-ФЗ (последняя редакция). URL: http://www.consultant.ru/document/cons_doc_LAW_39331/, дата обращения 04.04.2021.</mixed-citation><mixed-citation xml:lang="en">Федеральный закон «О несостоятельности (банкротстве)» от 26.10.2002 № 127-ФЗ (последняя редакция). URL: http://www.consultant.ru/document/cons_doc_LAW_39331/, дата обращения 04.04.2021.</mixed-citation></citation-alternatives></ref><ref id="cit8"><label>8</label><citation-alternatives><mixed-citation xml:lang="ru">Положение Банка России от 28 июня 2017 г. № 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности». URL: http://www.consultant.ru/document/cons_doc_LAW_220089/, дата обращения 04.04.2021.</mixed-citation><mixed-citation xml:lang="en">Положение Банка России от 28 июня 2017 г. № 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности». URL: http://www.consultant.ru/document/cons_doc_LAW_220089/, дата обращения 04.04.2021.</mixed-citation></citation-alternatives></ref><ref id="cit9"><label>9</label><citation-alternatives><mixed-citation xml:lang="ru">Федеральный закон «О Центральном банке Российской Федерации (Банке России)» от 10.07.2002 № 86-ФЗ. URL: http://www.consultant.ru/document/cons_doc_LAW_37570/, дата обращения 04.04.2021.</mixed-citation><mixed-citation xml:lang="en">Федеральный закон «О Центральном банке Российской Федерации (Банке России)» от 10.07.2002 № 86-ФЗ. URL: http://www.consultant.ru/document/cons_doc_LAW_37570/, дата обращения 04.04.2021.</mixed-citation></citation-alternatives></ref><ref id="cit10"><label>10</label><citation-alternatives><mixed-citation xml:lang="ru">Федеральный закон «О банках и банковской деятельности» от 02.12.1990 № 395-1. URL: http://www.consultant.ru/document/cons_doc_LAW_5842/, дата обращения 04.04.2021.</mixed-citation><mixed-citation xml:lang="en">Федеральный закон «О банках и банковской деятельности» от 02.12.1990 № 395-1. URL: http://www.consultant.ru/document/cons_doc_LAW_5842/, дата обращения 04.04.2021.</mixed-citation></citation-alternatives></ref><ref id="cit11"><label>11</label><citation-alternatives><mixed-citation xml:lang="ru">Ендовицкий Д.А., Бахтин К.В., Ковтун Д.В. Анализ кредитоспособности организации и группы компаний. М.: КНОРУС, 2012. 376 с.</mixed-citation><mixed-citation xml:lang="en">Ендовицкий Д.А., Бахтин К.В., Ковтун Д.В. Анализ кредитоспособности организации и группы компаний. М.: КНОРУС, 2012. 376 с.</mixed-citation></citation-alternatives></ref><ref id="cit12"><label>12</label><citation-alternatives><mixed-citation xml:lang="ru">Репин В.В., Елиферов В.Г. Процессный подход к управлению. Моделирование бизнес-процессов. М.: Манн, Иванов и Фербер, 2013. 45 с.</mixed-citation><mixed-citation xml:lang="en">Репин В.В., Елиферов В.Г. Процессный подход к управлению. Моделирование бизнес-процессов. М.: Манн, Иванов и Фербер, 2013. 45 с.</mixed-citation></citation-alternatives></ref><ref id="cit13"><label>13</label><citation-alternatives><mixed-citation xml:lang="ru">Лопез де Прадо М. Машинное обучение: алгоритмы для бизнеса. СПб.: Питер, 2019. 432 с.</mixed-citation><mixed-citation xml:lang="en">Лопез де Прадо М. Машинное обучение: алгоритмы для бизнеса. СПб.: Питер, 2019. 432 с.</mixed-citation></citation-alternatives></ref><ref id="cit14"><label>14</label><citation-alternatives><mixed-citation xml:lang="ru">Элбон К. Машинное обучение с использованием Python. Сборник рецептов. СПб.: БХВ-Петербург, 2019. 384 с.</mixed-citation><mixed-citation xml:lang="en">Элбон К. Машинное обучение с использованием Python. Сборник рецептов. СПб.: БХВ-Петербург, 2019. 384 с.</mixed-citation></citation-alternatives></ref><ref id="cit15"><label>15</label><citation-alternatives><mixed-citation xml:lang="ru">Филипенков Н. Интеллектуальный анализ данных в управлении розничным кредитным риском // Спецсеминар «Интеллектуальный анализ данных в бизнесе», 2010. 42 с. URL: http://www.machinelearning.ru/wiki/images/b/b2/MSU-BI-Filipenkov-2010-10-01.pdf, дата обращения 04.04.2021.</mixed-citation><mixed-citation xml:lang="en">Филипенков Н. Интеллектуальный анализ данных в управлении розничным кредитным риском // Спецсеминар «Интеллектуальный анализ данных в бизнесе», 2010. 42 с. URL: http://www.machinelearning.ru/wiki/images/b/b2/MSU-BI-Filipenkov-2010-10-01.pdf, дата обращения 04.04.2021.</mixed-citation></citation-alternatives></ref></ref-list><fn-group><fn fn-type="conflict"><p>The authors declare that there are no conflicts of interest present.</p></fn></fn-group></back></article>
