Мудрый Экономист

Учет долговой нагрузки: как не упустить "хорошего" заемщика?

"Банковское кредитование", 2018, N 3

С учетом рекомендаций Президента РФ и последних документов Банка России кредитным организациям приходится учитывать показатель долговой нагрузки заемщиков. Оправданно ли мнение об излишней закредитованности населения? Какой показатель целесообразно учитывать для расчета долговой нагрузки: PTI (payment to income) или DTI (debt to income)? Какие три подхода к расчету долговой нагрузки можно использовать при принятии кредитных решений и какой из них предпочтительнее с точки зрения эффективности и гибкости?

В декабре 2016 г. Президент России дал поручение Правительству и Банку России представить предложения по снижению закредитованности граждан. К весне 2018 г. Банком России подготовлен ряд материалов, которые дают представление о том, как финансовым институтам придется ограничивать тех граждан, которые уже взяли на себя значительные обязательства. Между тем банковская практика последних 10 - 15 лет учитывает (или пытается учитывать) долговую нагрузку как индикатор риска, ограничивающий предоставление заемных средств клиентам.

Прежде всего напомним о материалах Банка России, которые были представлены общественности для ознакомления в целях реализации поручения Президента. Это:

Собственно, первые два документа - это и есть анализ вариантов расчета и, соответственно, ограничения индикатора долговой нагрузки.

Регулятору, как и кредиторам-практикам, было важно выбрать фактически между двумя вариантами:

В результате за основу был взят показатель PTI. Действительно, именно нагрузка на обычный доход заемщика в месяц и характеризует его закредитованность, или, другими словами, тяжесть исполнения обязательств перед кредитором/кредиторами. Второй показатель - DTI - скорее можно считать индикатором зависимости частных экономик от кредитных средств. Наглядно отличие показателей можно представить на примере условного заемщика со средним ежемесячным доходом в 40 тыс. руб. (480 тыс. руб. в год). Допустим, в первом случае у такого заемщика есть потребительский кредит 300 тыс. руб., взятый на 1 год по ставке 20% годовых. В этом случае, как нетрудно рассчитать, PTI заемщика составит 69,5%, а DTI - 62,5%. Или второй случай: когда тот же заемщик берет ипотеку 1 млн руб. на 15 лет по ставке 10% годовых. В этом случае PTI = 26,9%, DTI = 208,3%. Очевидно, что в первом случае зависимость экономики заемщика от заемных средств существенно меньше (сумма кредита меньше), но вот обслуживать кредит ему сложнее, так как придется отдавать 69,5% своих ежемесячных доходов.

Однако этот условный пример показывает лишь достаточно очевидный смысл индикаторов и не дает представления о том, какова реальная закредитованность российских заемщиков в настоящее время и на каком уровне ее стоит ограничивать. Для этого рассмотрим некоторые фрагменты регулярного обзора НБКИ "Анализ долговой нагрузки российских заемщиков" <*>. Данные по состоянию на апрель 2018 г. представлены в табл. 1.

<*> Обзор выходит два раза в год и содержит индикаторы PTI и DTI в различных сегментах заемщиков: по доходам, возрастам, регионам, типам и количеству активных кредитов, отраслям занятости и занимаемой позиции. При этом для расчета индикаторов долговой нагрузки используются данные об обязательствах из кредитных историй, а доходы заемщиков корректируются с учетом данных крупнейших работодателей и рекрутинговых агентств о зарплатах.

Таблица 1

Индикаторы долговой нагрузки, сгруппированные по доходным сегментам заемщиков

Индикаторы кредитной нагрузки с учетом всех долгов заемщика

Нижний дециль

Нижний квартиль

Медиана

Верхний квартиль

Мода

Доход в месяц, руб.

До 15 000

До 20 000

30 000

Более 45 000

30 000

Долг, ркб.

73 992

89 683

183 802

491 337

174 169

Ежемесячный платеж, руб.

4 133

4 875

8 496

18 798

8 025

DTI

50,41

48,11

47,80

54,12

48,38

PTI App

33,86

31,60

26,88

25,03

26,75

PTI Gross

30,81

28,63

23,40

19,04

23,37

Представленные в табл. 1 показатели означают:

Столбцы таблицы фиксируют сегменты заемщиков по доходам в месяц, для которых проводятся расчеты индикаторов. Нижний дециль - 10% от всех заемщиков с минимальными доходами (в нашем случае до 15 тыс. руб. в месяц), нижний квартиль - 25% от всех заемщиков с минимальными доходами, медиана - 50% от всех заемщиков с доходами от 20 до 45 тыс. руб., верхний квартиль - 25% от всех заемщиков с наибольшими доходами (более 45 тыс. руб. в месяц) и мода - заемщики с размером ежемесячного дохода, наиболее часто встречающимся среди всех заемщиков с действующими обязательствами.

Как видим, средние показатели PTI (здесь и далее для краткости мы будем подразумевать под PTI значение PTI Gross, т.е. с учетом дохода, скорректированного с данными рынка труда) не являются очень большими. Исключение - нижний квартиль заемщиков по доходам, где значение PTI можно считать относительно высоким. Это логично, так как именно заемщики из этого сегмента являются пользователями прежде всего необеспеченных кредитов, то есть коротких, на небольшие суммы и максимальные ставки.

Следует также отметить, что индикаторы долговой нагрузки инерционны: с 2014 г. средние показатели изменяются незначительно. В табл. 2 представлена динамика средних значений PTI и DTI.

Таблица 2

Динамика индикаторов долговой нагрузки

Год

PTI

DTI

2014

26,0

50,8

2015

24,7

49,0

2016

24,9

47,0

2017

24,9

46,7

2018

23,6

49,5

Как видим, с 2014 г. PTI российских заемщиков снижается, а DTI с 2018 г. постепенно начинает расти, при том, что, как мы знаем из отчетности Банка России <1>, с 2017 г. объем задолженности физических лиц растет. Между тем различия в динамике PTI и DTI объясняются структурой розничного кредитования: именно с 2017 г. в структуре задолженности физических лиц начинает увеличиваться доля ипотеки, для которой, как мы показали выше, характерны большие значения DTI при относительно комфортных значениях PTI.

<1> См., например, информацию о рисках кредитования физических лиц, представленную на официальном сайте Банка России: http://cbr.ru/statistics/print.aspx?file=bank_system/risk_17.htm&pid=pdko_sub&sid=ITM_60627.

Несмотря на относительно небольшие средние значения PTI, мнением об излишней закредитованности граждан нельзя пренебрегать. В табл. 3 представлено распределение заемщиков с действующими обязательствами по размеру PTI в целом по стране и в ряде регионов РФ.

Таблица 3

Распределение заемщиков по значению PTI на апрель 2018 года (%)

Регион

Менее 10

10,01 - 20

20,01 - 30

30,01 - 40

40,01 - 50

50,01 - 60

Более 60

Амурская область

26,3

21,7

14,8

11,4

8,3

5,5

12,0

Мурманская область

29,1

20,9

14,4

10,5



7,6

5,6

11,8

Архангельская область

28,2

21,6

14,5



10,5

7,8

5,8

11,6

Кировская область

23,9

21,3



15,7

11,9

9,1

6,6

11,6

Оренбургская область



24,2

21,6

15,9

12,0

8,8

6,4

11,0



Красноярский край

28,0

22,0

15,1

11,0

8,0

5,7

10,3

Российская Федерация

31,0

22,8

15,4

10,8

7,6

5,3

7,2

Смоленская область

33,1

23,8

15,5

10,3

7,1

5,2

5,0

Свердловская область

31,9

23,8

16,1

11,0

7,4

5,0

4,8

Псковская область

34,4

24,4

15,6

9,8

6,8

4,2

4,7

Санкт-Петербург

33,5

23,6

15,7

10,9

7,4

4,7

4,3

Москва

35,7

23,3

15,2

10,4

7,0

4,4

4,1

Курганская область

34,5

24,6

15,7

10,1

6,7

4,5

4,0

Из таблицы видно, что 7,2% российских заемщиков с действующими обязательствами, а это порядка 3 млн человек, на обслуживание взятых кредитов тратят 60 и более процентов своего ежемесячного дохода. Это, конечно, группа риска с точки зрения потенциального (а зачастую и реального) дефолта, то есть прямых убытков кредитора. Именно поэтому в системе принятия решения требуется учет PTI.

Подходы к учету PTI

В данной статье мы рассмотрим три подхода к учету PTI в рамках принятия кредитных решений:

  1. Система правил.

При этом подходе кредитор может эмпирически или экспертно (а в случае регулятивных ограничений, о которых говорилось выше, - с их учетом) определить предельное значение PTI, при котором возможна выдача кредита. Оценка PTI проводится на начальном этапе андеррайтинга, что минимизирует затраты кредитора на построение полного риск-профиля заемщика за счет отсева заявителей с PTI выше предельного значения.

Способ простой, не требующий серьезной работы по внедрению и управлению. К несомненным достоинствам можно также отнести прозрачность и легкость в управлении: предельное значение PTI представляет из себя одну цифру, которую легко скорректировать в любой момент. Нетрудно предположить, что регулятором в случае введения ограничений по PTI такой способ будет наиболее приветствоваться.

К недостаткам такого подхода можно отнести низкий уровень сегментации входящего потока, что с точки зрения управления рисками и эффективности розничного кредитования представляется не самым оптимальным решением.

  1. Калибровка скоринга.

Метод основан на совместном использовании кредитного скоринга (S) и показателя PTI (P) для построения линии отсечения cutoff-line. Решение для скоринг-бюро НБКИ подробно описано в статье "Статистическая калибровка индикаторов долговой нагрузки и ее применение в кредитной аналитике" <1>. Здесь отметим, что для внедрения такого подхода от кредитора потребуется относительно высокий уровень математической подготовки. Но в случае реализации кредитор получает существенно более эффективную по сравнению с системой правил процедуру управления рисками.

<1> Левин В. и др. Статистическая калибровка индикаторов долговой нагрузки и ее применение в кредитной аналитике // Риск-менеджмент в кредитной организации. 2016. N 2. С. 54 - 67.
  1. Двумерная матрица принятия решений.

Этот подход, на наш взгляд, органично совмещает простоту первого примера и эффективность второго. Схематично матрица принятия решений представлена на рисунке.

Двумерная матрица принятия решений Рисунок

В случае реализации этого подхода любая заявка потенциального заемщика может быть отнесена к одному из сегментов двумерной матрицы, составленной из показателя кредитного скоринг-бюро и PTI. В этом случае предполагается отказ только тем заемщикам, у которых одновременно высокий уровень риска по кредитному скорингу и долговой нагрузке. Если один из этих показателей может считаться удовлетворительным, кредитор может выдать кредит, компенсировав риск снижением лимита или повышением кредитной ставки. Для группы заемщиков с низким PTI и высоким значением кредитного скоринга (очевидно, обладающей возможностью выбора среди предложений различных кредиторов) кредитор имеет возможность сформировать премиальное предложение.

Среди преимуществ такого подхода можно выделить:

В заключение отметим, что использование PTI, как и любой другой переменной для оценки риска, конечно, требует регулярного мониторинга. Например, модель скоринг-бюро НБКИ проходит оценку стабильности и эффективности сегментации ежеквартально. Для PTI, как мы уже отметили, характерна относительная стабильность. Поэтому НБКИ проводит оценку всех индикаторов долговой нагрузки два раза в год.

В. Шикин

Заместитель директора по маркетингу

НБКИ