Содержание к диссертации
Введение
1 Анализ средств и методов управления просроченной задолженностью физических лиц 12
1.1 Постановка задачи по разработке средств оптимизации процесса управления просроченной задолженностью физических лиц 12
1.2 Понятие управления просроченной задолженностью. Основные определения 16
1.3 Исследование рычагов управления коллекторской деятельностью... 19
1.4 Обзор и критический анализ существующих систем автоматизации управления коллекторской деятельностью 25
1.5 Подходы к решению задачи автоматизации управления просроченной задолженностью физических лиц 32
1.6 Цели и задачи исследования 37
2 Моделирование эффективного управления просроченной задолженностью физических лиц в банке 38
2.1 Формирование структурной модели управления просроченной задолженностью в банке 38
2.2 Обоснование применения автоинтерактивных методов принятия решения в управлении просроченной задолженностью 40
2.3 Повышение эффективности управления просроченной задолженностью с помощью унификации схемы контроля в автоинтерактивной скоринговой процедуре принятия решения об оптимальном способе снижения просроченной задолженности 48
2.4 Построение методики стимулирования в рамках коллектора на основе ключевых показателей эффективности 54
2.5 Модель принятия управленческих решений по выбору системы стимулирования в рамках коллекторской деятельности з
2.6 Выводы 70
3 Разработка скоринговых моделей и алгоритмов принятия решений при управлении просроченной задолженностью VI
3.1 Многокритериальная модель скоринговой оценки уровня проблемносте кредитных договоров с просроченной задолженностью 71
3.2 Алгоритм получения скоринговой оценки способов борьбы с просроченной задолженностью физических лиц на ранних сроках, на основе методов построения деревьев решения 92
3.3 Применение генетического алгоритма для достижения оптимальной скоринговой оценки клиента банка допустившего просроченную задолженность 101
3.4 Выводы 109
4 Применение методов и алгоритмов принятия решения для оптимизации процесса управления просроченной задолженностью
4.1 Сравнение эффективности применения управления просроченной задолженностью с типовым алгоритмом работы с просроченной задолженностью 111
4.2 Обоснование состава и структуры средств автоматизации управления просроченной задолженностью физических лиц в коллекторе 113
4.3 Основные научные положения диссертации в средствах автоматизации принятия решений при управлении просроченной задолженностью 118
4.4 Методика внедрения средств автоматизации методов и алгоритмов принятия решения в процессе управления просроченной задолженностью физических лиц 120
4.5 Оценка результатов внедрения средств принятия решения в финансовой организации на основе анализа динамики сокращения удельного веса просроченной задолженности 123
4.6 Выводы 127
Заключение 128
Список литературы
- Обзор и критический анализ существующих систем автоматизации управления коллекторской деятельностью
- Обоснование применения автоинтерактивных методов принятия решения в управлении просроченной задолженностью
- Алгоритм получения скоринговой оценки способов борьбы с просроченной задолженностью физических лиц на ранних сроках, на основе методов построения деревьев решения
- Обоснование состава и структуры средств автоматизации управления просроченной задолженностью физических лиц в коллекторе
Введение к работе
Актуальность темы. Проблема роста просроченной задолженности кредитования частых клиентов в различных банках растет с каждым годом. Необходимо срочное принятие мер по стабилизации процесса роста. Анализ причин лавинообразного возрастания просроченной задолженности показал, что существенную роль играет несогласованность и отсутствие систематизации в порядке работ подразделениями банковской структуры, а также отсутствие постоянного контроля со стороны руководства на всех этапах выполнения работ по снижению просроченной задолженности. Приведем основные проблемы, возникающих при работе с просроченной задолженностью: отсутствие системы координации и взаимодействия, привлеченных к работе с просроченной задолженностью подразделений; несовершенство постановки задач и системного контроля за их исполнением ответственными подразделениями; отработка планов, отчетов в ручном режиме, высокая трудоемкость исполнения документов, поручений, извещений; отсутствие единой системы подготовки отчетов о работе с просроченной задолженностью в целом по банку; низкая эффективность системы выявления причин возникновения просроченной задолженности; отсутствие интеграции между системой мотивации в коллекторском подразделении и результатами его работы.
Для сокращения процесса роста просроченной задолженности в кредитных организациях предлагается: выделить отдельное подразделение в кредитной организации, которое будет работать с просроченной задолженностью частных клиентов или передать работу по возврату просроченной задолженности в коллекторское агентство; разработать унифицированную схему работы с просроченной задолженностью в кредитных организациях; обеспечить контроль за строгим соблюдением порядка работы с просроченной задолженностью в кредитной организации описанного в унифицированной схеме; разработать совокупность моделей и алгоритмов принятия решения в управлении просроченной задолженностью физических лиц; реализовать предложенные модели и алгоритмы в средствах автоматизации управления просроченной задолженностью физических лиц, которые послужат инструментом, помогающим руководству подразделений кредитной организации наиболее эффективно достигать снижения уровня просроченной задолженности.
Имеющиеся на рынке системы автоматизации коллекторской деятельности не позволяют полномасштабно и эффективно выстроить систему управления просроченной задолженностью физических лиц в банке. Создание методики и реализующих ее постулаты автоматизированной системы подобного уровня в настоящее время является чрезвычайно актуальным.
Работа выполнена в соответствии с межвузовской комплексной научно-технической программой ГРНТИ:50.51.15,50.51.17 (ГБ 04.07) «Оптимизация и моделирование сложных систем» в рамках основного научного направления ВГТУ «Проблемно-ориентированные системы управления».
Цель исследования. Целью диссертационной работы является разработка и применение моделей и алгоритмов принятия решения в средствах автоматизации управления просроченной задолженностью, позволяющих эффективно
управлять уровнем просроченной задолженности физических лиц в финансовой организации.
Достижение поставленной цели потребовало решения следующих основных задач:
провести анализ основных проблем управления просроченной задолженностью;
разработать унифицированную модель управления уровнем просроченной задолженности в кредитных организациях с элементами вариативности и возможностью автоинтерактивной подстройки схемы для повышения эффективности работы с каждым клиентом;
разработать и обосновать структурную модель управления работы с просроченной задолженностью по конкретному кредитному договору;
адаптировать коллекшен-скоринговые модели для использования их на этапе формирования и оптимизации индивидуальной схемы работ по возврату кредитного долга конкретного заемщика;
разработать методику мотивации сотрудников коллектора, участвующих в управлении просроченной задолженностью;
обосновать совокупность средств и методов принятия решения при управлении просроченной задолженностью физических лиц;
предложить методику внедрения средств повышения эффективности работы с просроченной задолженностью физических лиц.
Методы исследования. Для решения поставленных задач в работе использованы методология системного анализа, теория принятия решений, методика скоринговой оценки, методы многокритериальной оптимизации, математический аппарат деревьев решения, генетические алгоритмы, система мотивации на основе анализа ключевых показателей эффективности.
Научная новизна:
разработан алгоритм получения скоринговой оценки способов сокращения просроченной задолженностью физических лиц на ранних сроках, на основе методов построения деревьев решения, отличающийся высокой скоростью работы по классификации договора заемщика с целью принятия решения по выбору схемы борьбы с просроченной задолженностью на ранних сроках;
разработана многокритериальная модель скоринговой оценки уровня проблемности кредитных договоров с просроченной задолженностью, отличающаяся возможностью принятия решения в сложных случаях просроченной задолженности, за счет многопараметрического описания просроченной задолженности и возможности выбирать лучший вариант по нескольким критериям совокупно;
применена унифицированная структурная модель управления просроченной задолженностью в рамках коллекторской деятельности.
применены процедуры достижения оптимальной скоринговой оценки клиента банка допустившего просроченную задолженность, отличающиеся возможностью самообучения модели принятия решения по выбору эффективной схемы работы с просроченной задолженностью на основе генетического алгоритма.
применены скоринговые методы оценки для выбора более эффективной схемы работы с клиентом, допустившим просроченную задолженность по
кредиту, отличающееся возможностью индивидуального подхода к решению задачи возвращения средств по кредиту.
Достоверность научных результатов. Научные положения, теоретические выводы и практические рекомендации, включенные в диссертацию, обоснованы математическими доказательствами. Они подтверждены расчетами на примерах, производственными экспериментами и многократной проверкой при внедрении в практику управления.
Практическая значимость и результаты внедрения. На основании выполненных автором исследований разработаны и применены модели и алгоритмы принятия решений в средствах автоматизации управления просроченной задолженностью, позволяющих эффективно управлять уровнем просроченной задолженностью физических лиц в финансовой организации.
Использование разработанных в диссертации моделей и механизмов позволяет многократно применять разработки, тиражировать их и осуществлять их массовое внедрение с существенным сокращением продолжительности трудозатрат и средств.
Разработанные модели используются в практической деятельности в филиале ОАО «Сбербанка России» Центрально-Черноземном банке.
Модели, алгоритмы и механизмы включены в состав учебного курса «Банковские информационные системы», читаемого в Воронежском государственном техническом университете.
Апробация работы. Основные положения и результаты диссертационной работы докладывались на следующих конференциях, семинарах и совещаниях: на семинарах в Воронежском государственном техническом университете (Воронеж, 2008, 2009, 2010, 2011); Всероссийской конференции «Управление в социальных и экономических системах» (Воронеж, 2009); Всероссийской конференции «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2010), на XXXVI Международной конференции VII Международной конференции молодых ученых. Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E' 10 (Украина, Крым, г. Ялта-Гурзуф 2010), Всероссийская научная школа «Информационно-телекоммуникационные системы и управление» (Воронеж, 2011, Воронежский институт высоких технологий).
Публикации. По теме диссертационной работы опубликовано 15 печатных работ, в том числе 3 работы опубликованы в изданиях, рекомендованных ВАК РФ. В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично аспирантом предложены: скоринговых методы оценки для выбора более эффективной схемы работы с клиентом при управлении просроченной задолженности: [8,9,10,11]; многкритериальная модель скоринговой оценки уровня проблемности кредитных договоров с просроченной задолженностью [9]; применение генетического алгоритма для достижения оптимальной скоринговой оценки клиента банка допустившего просроченную задолженность [10].
Объем и структура работы. Диссертационная работа состоит из введения, четырех глав с выводами, заключения, изложена на 149 страницах и содержит 106 страницы машинописного текста, 20 рисунок, 8 таблиц, списка литературы из 111 наименований, 5 приложений.
Обзор и критический анализ существующих систем автоматизации управления коллекторской деятельностью
Пессимистичный сценарий, к которому склоняются некоторые эксперты, предполагает, что в будущем от 30% до 70% реструктурированных банками кредитов могут снова стать проблемными, что с большой вероятностью приведет к очередной дестабилизации финансовой системы страны. В 2010 году, по оценкам «Секвойя Кредит Консолидейшн», в работу коллекторским агентствам было передано 5-10% ранее реструктуризированных кредитов. На развитие ситуации с просрочкой в значительной степени будет влиять финансовое положение заемщиков. Если материальная ситуация должников улучшится, банки смогут избежать коллапса неплатежей. И напротив, ухудшение благосостояния частных клиентов сделает реальными пессимистические прогнозы аналитиков.
Эксперты сходятся в том, что объемы кредитования будут увеличиваться медленнее, чем до кризиса, и это связано как с более низкими темпами экономического роста, так и с изменением самой модели кредитования. До кризиса заимствования фактически осуществлялись по отрицательным реальным процентным ставкам и, по сути, являлись инвестициями. Специалисты ожидают, что в ближайшие годы показатели реальных процентных ставок будут положительными, в чем заинтересован и Банк России, который стремится повысить влияние этого инструмента денежной политики на реальный сектор экономики. Немаловажным фактором являются и более осторожные настроения участников рынка: в период кризиса банки работали над повышением эффективности риск-менеджмента, а заемщики, в свою очередь, стали более осмотрительно подходить к увеличению своей долговой нагрузки.
Тем не менее, участники рынка считают высокие темпы роста просрочки по кредитам физических лиц угрожающими для банковской системы. Отмечается, что по западноевропейским стандартам критическим в зависимости от структуры кредитного портфеля банка и размера процентных ставок считается уровень просрочки в 5% и выше. Выход из ситуации аналитики видят в диверсификации розничного бизнеса за счет менее рисковых сегментов.
Эксперты неоднократно отмечали, что официальные данные не отражают полной картины. Не стоит ожидать бурного развития промышленности, что подтверждают данные Росстата относительно падения уровня промпроизводства за 2009 год в 10,8%. Не улучшает ситуацию и сворачивание банками программ кредитования физических лиц, что приводит к падению потребительского спроса.
Проблема роста просроченной задолженности кредитования частых клиентов в различных банках растет с каждым годом и поэтому необходимо срочное принятие мер по стабилизации процесса роста. Анализ причин лавинообразного возрастания просроченной задолженности показал, что существенную роль играет в несогласованности и отсутствие систематизации в порядке работ подразделениями банковской структуры, а также в отсутствии постоянного контроля со стороны руководства на всех этапах выполнения работ по снижению просроченной задолженности.
Проведенный анализ причин роста просроченной задолженности позволил сформулировать основные «болевые» точки или проблемы, влияющие на слабые темпы возврата кредитных средств. Многие из них имеют макроэкономический характер, однако, не меньшее их количество лежит в плоскости оптимизации управления просроченной задолженностью внутри банка. Приведем список основных проблем возникающих при работе с просроченной задолженностью в банке: 1. Отсутствие системы координации и взаимодействия, привлеченных к работе с просроченной задолженностью подразделений. 2. Несовершенство системы постановки задач и системного контроля за их исполнением ответственными подразделениями. 3. Отработка планов, отчетов в ручном режиме. Высокая трудоемкость исполнения документов, поручений, извещений. 4. Отсутствие единой автоматизированной базы данных по работе с должниками. 5. Отсутствие автоматизированной подготовки отчетов о работе с просроченной задолженностью в целом по банку. 6. Низкая эффективность системы выявления причин возникновения просроченной задолженности.
Решение перечисленных проблем повысит эффективность работы с просроченной задолженностью в банке. И как видно из среза «болевых» точек необходимо внедрения в финансовой организации автоматизированных средств управления просроченной задолженностью.
Понятие просроченной ссудной задолженности, равно как и понятие проблемной ссудной задолженности, экономистами-исследователями специально не рассматривались, а использовались уже как априори известные термины. Определенным исключением является работа, в которой дано определение понятия просроченной задолженности по кредиту как "непогашенная в сроки, установленные кредитным договором, ссудная задолженность, включающая основной долг (денежные средства, фактически предоставленные заемщику в форме кредита), начисленные, но не уплаченные проценты, штрафы и пени".
Согласно экономическому словарю "просроченная задолженность - это своевременно не произведенные платежи поставщикам, кредитным учреждениям, финансовым органам, работникам". В налогообложении "задолженность - недоимка, то есть сумма налога или сумма сбора, не уплаченная в установленный законодательством срок". В бухгалтерском учете выделяются дебиторская и кредиторская задолженности. Дебиторская задолженность - это сумма платежей, причитающаяся предприятию за отгруженные товары. А кредиторская задолженность, в свою очередь, по толкованию финансово-экономических словарей, есть сумма платежей предприятия к оплате за отгруженные товары или выполненные услуги. В повседневной жизни, по словарю С. И. Ожегова, задолженность - это наличие долгов, невыполненных обязательств [75]. А определение понятию "просрочить" дается следующее: пропустить установленный срок чего-нибудь, например, платежа.
Итак, во всех вышеуказанных весьма разных, определениях понятия просроченной задолженности четко просматриваются две общие особенности, а именно, во-первых, во всех определениях говорится о долге, т.е. обязательствах, во-вторых, срок возврата долга или исполнения обязательств в исследуемом случае нарушен, не соблюден.
Обоснование применения автоинтерактивных методов принятия решения в управлении просроченной задолженностью
Для организации процесса управления просроченной задолженностью физических лиц (ФЛ) необходимо структурировать подходы в коллекторской деятельности в банке. В общем виде модель работы коллекторского агентства (подразделения) можно представить в виде некоего «черного ящика», на вход которого поступают данные о просроченной задолженности по кредитам физических лиц (в виде номера договора, ссудного счета, данных о заемщике, сумме кредита, сумме просроченной задолженности на текущую дату и количестве дней кредита на просрочке и т.п.). На саму деятельность коллектора влияют внешние факторы, такие как изменения законодательства, политическая обстановка в стране, судебная и правоприменительная практика, состояния экономики, социальное положение в регионе, национальные особенности региона, государственные программы по кредитованию и пр. На выходе же у модели целевая многокритериальная функция, к оптимуму которой необходимо стремиться. В качестве основных критериев данной целевой функции выбраны снижение уровня просроченной задолженности ФЛ в банке в как можно более сжатые сроки, снижение удельного веса просроченной задолженности в общем портфеле банка, получение залоговых выгод от просроченных кредитов, взыскания максимальной суммы просроченной задолженности и суммарный критерий сокращения сроков просроченной задолженности на этапе досудебного и после-судебного процессов (рис. 2.1)[97].
Внутри черного ящика работают модели обеспечивающие получение результата. В первую очередь предлагается построить четкую унифицированную схему работы с просроченной задолженностью на всех этапах ее существования от ее появления до возврата долга или реструктуризации долгов. Данная схема хороша для систематизации коллекторской деятельности, четкое следование которой не позволит простаивать задаче взыскания долгов в банке. Для выполнение задач контроля необходимо построить модель контроля поручений заложенных в схему работы с просроченной задолженностью. Реализация данной модели в средствах автоматизации контроля поручений в совокупности с от Коллектор
Но, тем не менее, жесткая схема подходит только для основных наиболее типовых случаев просроченной задолженности. В случае проблемной задолженности требуется для повышения эффективности работы вводить вариативность в данную схему. Таким образом, необходимо построить индивидуальную схему работы с просроченной задолженностью под каждого клиента. Что при многообразии проблемных ситуаций и индивидуальности каждого клиента представляется достаточно трудоемким процессом. Трудности также вносит отсутствие единой базы знаний сотрудников коллектора со сводом лучших практик разрешения таковых ситуаций. Для реализации поставленных задач необходимо выделить два основных рычага управления, влияющие на результат коллекторского агентства. Это выбор лицом принимающим решение (далее руководитель) оптимальной схемы работы с клиентом. А также как мотиваци-онный фактор, влияющий на повышение результативности работы коллектора: выбор адекватной системы стимулирования коллектива и выбор эффективного варианта взаимодействия с клиентом. Анализ эффективного стимулирования в коллекторском агентстве приведен в разделе 2.3.
Наибольшую степень важности имеет модель принятия решения по способу взаимодействия с клиентом, описанный подробнее в 3 главе работы. В работе для формирования индивидуальной схемы работы с просроченной задолженностью предлагается ряд коллекшен-скоринговых моделей построенных на основах теории многокритериальной оптимизации, деревьев решения и генетических алгоритмов.
Обоснование применения автоинтерактивных методов принятия решения в управлении просроченной задолженностью
Перечень основных проблем возникающих при управлении просроченной задолженностью приведен в 1 главе работы.
Одной из корневых проблем является несовершенство системы постановки задач и системного контроля за их исполнением ответственными подразделениями и как следствие ослабление контроля со стороны руководителя многочисленных работ, выполняемых подчиненными. Необходимо унификации подходов к работам, выполняемым коллекторским подразделением банка. Унификация позволит построить четкую схему работы всех сотрудников задействованных на каждом этапе борьбы с просроченной задолженностью. Таким образом, будет систематизирована работа по снижению просроченной задолженности. Более подробно унифицированная схема управления просроченной задолженности описана в разделе 2.3.
Но построение четкой схемы борьбы с просрочкой не позволит решить проблему сложности контроля многочисленных работ выполняемых коллектором. Необходим некий инструментарий, который бы позволил улучшать данную схему по мере получения результатов коллекторским агентством.
Рассмотрим традиционный порядок работы с просроченной задолженностью. Он включает в себя получение заявки на обработку просроченной задол 41 женности в коллекторское агентство. В большинстве банков внедрены те или иные средства оповещения об этом процессе сотрудников коллектора. Лучше когда подобные сообщения генерируются на основе данных о просрочке в АС кредитования внедренной в банке. После этого сотрудники банка переходят к зарегламентированному принципу работы с просроченной задолженностью. В банке вопросом просроченной задолженности вынуждено заниматься несколько подразделений: кредитное или некое уполномоченное подразделение работают с клиентом на ранних сроках борьбы с просроченной задолженностью, служба безопасности на поздних сроках и при передаче дела в суд включается юридическая служба.
Но при таком подходе возникает много различных вопросов стоящих на стыке передачи документов от одного подразделения к другому. Документы зачастую задерживаются, возникает конфликт интересов и как следствие затягиваются сроки возвращения долгов. Эти проблемы подталкивают к решению передачи всего производства по просроченной задолженности в одно подразделение - коллектор.
Но и перевод просрочки в коллектор не панацея. Ведь при достаточно больших объемах договоров, работы по которым необходимо контролировать у руководителя коллектора возникает вал дел и без внедрения автоматизированных процедур не обойтись. Ведь в противном случае руководителю коллектора приходится контролировать не сами работы, то есть прогресс производства по каждому делу, а уже фактический результат. Что серьезно снижает эффективность управления. Традиционный порядок управления просроченной задолженностью представлен на рисунке (рис. 2.2). Подобное развитие событий в коллекторе ведет к неконтролируемому росту объема просроченной задолженности, который может свести на нет усилия риск-менеджеров банка по минимизации рисков выхода на просроченную задолженность вновь выдаваемых кредитов.
Алгоритм получения скоринговой оценки способов борьбы с просроченной задолженностью физических лиц на ранних сроках, на основе методов построения деревьев решения
Получив весовые коэффициенты в аддитивной целевой функции, вычисляем наиболее оптимальный вариант работы с просроченной задолженностью по конкретному кредиту. Таким образом, решив задачу многокритериальной оптимизации по выбору наиболее эффективного варианта работы с клиентом, допустившим просроченную задолженность, лицо принимающее решения в коллекторском агентстве получает возможность выбрать наиболее эффективный алгоритм работы по возвращению просроченной задолженности банку.
Многокритериальная задача оптимизации вместе со множеством возмож ных, (допустимых) решений включает набор целевых функций (называе мых также частными критериями оптимальности) i 2 "" . Набор частных критериев оптимальности образует вектор-функцию (векторный критерий), ко торую далее будем обозначать через Q{x) = (Qi(x),Q2(x),...Qs(x) (3.12)
Такая ситуация на практике встречается крайне редко, наиболее типичным является случай, когда частные критерии являются противоречивыми и минимум по каждому из них достигается в различных точках. В этом случае уменьшение одного частного критерия приводит к увеличению других частных критериев. Такие точки х eDx , в которых не выполняется принцип доминирования относительно любой точки х eDx, называются эффективными точками, то есть точка х eDx называется эффективной, если не существует ни одной точки х GDX такой, что Qi\x) — Qi\x ) l —1,A...,5 и хотя бы для одного у это неравенство строгое
Поскольку в эффективных точках векторный критерий оптимальности Q является не уменьшаемым по всем частным критериям одновременно, то эти точки также называются неулучшаемыми решениями или оптимальными по Парето.
Множество векторных критериев Q, соответствующих множеству всех эффективных точек, называется областью компромиссов в , а само множество эффективных точек - областью решений, оптимальных по Парето.
Оптимальность по Парето означает, что нельзя дальше уменьшать значение одного из частных критериев, не увеличивая при этом хотя бы одного из остальных, таким образом, в области компромиссов к не выполняется принцип доминирования, а частные критерии являются противоречивыми. Это приводит к необходимости введения компромисса между частными критериями оптимальности для того, чтобы решить, какой из векторов Q яли Q из обласну ти компромиссов к считать предпочтительным.
Под оптимально-компромиссным решением будем понимать одну их эффективных точек х eDx, являющуюся предпочтительней с точки зрения ЛПР. Таким образом, задача векторной оптимизации не позволяет однозначно ответить на вопрос, получено ли оптимальное решение. Положительный ответ на этот вопрос зависит от качественной информации о важности частных критериев, которая имеется у ЛПР. При помощи бинарного предпочтения будем определять тот факт, что векторный критерий Q предпочтительнее Q \Qk - Q1), если ни тому, ни другому нельзя отдать предпочтение, то они считаются эквивалентными (Q Q ) В случае Q Q будем говорить, что решение х предпочтительнее решения X .
При решении задачи многокритериальной оптимизации часто возникает необходимость преобразования векторного критерия оптимальности Q в дру 84 гой векторный критерий W(Q). Очевидно, чтобы не исказить смысл исходной задачи, новый критерий W(Q) должен быть эквивалентен исходному критерию Q на всем множестве допустимых решений Dx ( Q y/(Q)).
Преобразование , дающее эквивалентный исходному векторный критерий, называется допустимым преобразованием вектора Q, так как сохраняет истинность отношений предпочтения для преобразованного вектора, то есть если для некоторых решений х , х eDx имеет место Q(xk) Q(x ), то это предпочтение сохраняется и для вектора w(Q)
Важным применением допустимого преобразования является нормализация частных критериев оптимальности Qj (х). Под нормализацией понимается приведение частных критериев к единому безразмерному виду. Пусть частные критерии оптимальности имеют одинаковую шкалу измерения [а, (3] и приведены к безразмерному типу при помощи положительного линейного преобразования: Для решения поставленной в работе задачи будем использовать метод свертки векторного критерия, учитывающим относительную важность частных критериев оптимальности с помощью построения скалярной функции F, являющейся обобщенным критерием относительно векторного критерия QyX) , и решения однокритериальной задачи оптимизации l 1 УУ Ас\х)), где
Этот метод свертывания векторного критерия Q=(Q\,—,QS) , называемый методом взвешенных сумм, позволяет создавать приоритет более важным частным критериям оптимальности за счет увеличения для них значений W?.. При этом относительно частных критериев принимается допущение, что они количественно соизмеримы между собой (в частности, Qi (х) нормализованы и приведены к безразмерному виду Qi (х).
Таким образом, решение задачи многокритериальной оптимизации позволяет осуществить анализ потенциала выплаты долга по кредитному договору. Преимущества методов многкритериальной оптимизации в скоринге просроченной задолженности состоит в гибкости инструментария: возможность включить в методику дополнительные ограничения. Например, если по статистике выяснится, что невозврат средств идет от лиц определенной категории занятости или возраста на модель, можно наложить дополнительное ограничение на соответствующий вес, так что функция будет выдавать схему работы оптимальную для данной категории лиц.
Обоснование состава и структуры средств автоматизации управления просроченной задолженностью физических лиц в коллекторе
В модуле интеграции с АС кредитования ФЛ банка было реализовано максимально гибкое интеграционное решение при помощи файлового обмена. Таким образом, модуль совместим с системой АС кредитования, в которой есть атрибуты, приведенные в виде таблице в приложении X. Модуль позволяет получать данные из любой БД в виде метафайлов с разделителями.
Источником данных для АС «УПЗ-ФЛ» служит информация из АС кредитования ФЛ. Для загрузки данных в АС «УПЗ-ФЛ» необходимо подготовить файлы выгрузки из АС кредитования ФЛ. Формат файлов: текстовый в кодировке «Ср1251» или «UTF-8». Файлы представляют собой файлы с разделителями, в качестве разделителя используется символ «». Всего необходимо подготовить три метафайла: - iask_rep.csv - содержит исходные данные по загрузке кредитных договоров и данных по заемщикам; - closed.csv - содержит информацию по тем договорам, по которым в предыдущем платежном дне погашена просроченная задолженность. - poruch.csv - содержит исходные данные по поручителям и данные по договорам поручительства.
Файлы iaskrep.csv, closed.csv и poruch.csv получаются автоматически из дополнительной базы данных со сведениями о просрочке. Автоматизация выгрузки данных в файлы iask_rep.csv, closed.csv и poruch.csv производится путем автоматического запуска по расписанию отчетов Crystal Reports Server. Состав, порядок и обязательность полей в метафайлах для загрузки данных в АС «УПЗ-ФЛ» приведен в Приложении 2.
Файлы filials.csv, znrrules.csv формируются в текстовом редакторе администратором АС УПЗ-ФЛ. Операция проводится однократно при старте систе 115 мы. Изменения в метафайлы filials.csv, znrrules.csv вносятся при изменении организационной структуры банка или при изменении технологии работы с просроченной задолженностью в банке: - filials.csv - содержит информацию по организационной структуре фи-лиальской части и подразделениям, которые занимаются управлением просроченной задолженностью; - znrrules.csv - содержит перечень ЗНР (заданий на работу) из общего списка, параметры, которых можно изменять. Файл filials.csv, является текстовым файлом с разделителями и готовится вручную. В качестве разделителя используется символ «». В нем проставляется соответствие наименованию филиала в АС кредитования ФЛ (нулевая колонка строго соответствует колонке 19 из файла iask rep.csv) и краткое наименование группы назначения в АС «УПЗ-ФЛ».
Файл znrrules.csv, является текстовым файлом с разделителями и готовится вручную. В качестве разделителя используется символ «». В нем задается перечень ЗНР, параметры, которых можно изменять. Также в данном файле можно описать ЗНР, предусмотренные внутренними нормативными документами кредитной организации. Идентификация ЗНР осуществляется по порядковому номеру ЗНР из второй колонки в таблице (Приложение 3). Таким образом, для данных ЗНР можно видоизменять сроки назначения и исполнения заданий, и назначение подразделения-исполнителя. Для описания ЗНР, отличных от приведенных в порядке, достаточно добавить строку в файл znrrules.csv, в первой колонке данной строки будет указан номер нового ЗНР.
В колонке «Функциональная группа назначения» (Приложение 3) необходимо указать номер колонки из файла filials.csv (колонки в filials.csv нумеруются, начиная с нуля). Колонка «Функциональная группа назначения» предназначена для того, чтобы ЗНР назначить на конкретную группу исполнителей.
При установке системы необходимо дополнительно подготовить файл filials.csv, содержащий информацию по организационной структуре кредитной организации и подразделениям, которые занимаются управлением просроченной задолженностью. Файл filials.csv готовится вручную. В нем проставляется соответствие наименованию филиала в АС кредитовании ФЛ и наименование группы назначения в АС «УПЗ-ФЛ». Для корректного представления информации в файле filials.csv используется технологический скрипт выгрузки информации о структурных подразделениях из АС кредитовании ФЛ, входящий в состав дистрибутивного комплекта. Технологический скрипт автоматически выгружает текущий список подразделений, работающих с операциями кредитования, при изменении состава подразделений. Результаты работы технологического скрипта выгрузки информации о структурных подразделениях из АС кредитовании ФЛ используются при формировании первой колонки файла filials.csv.
На выходе модуль передает информацию по кредитному договору в модуль скоринговой оценки выбора схемы работы и модуль генерации заданий на работу по выбранной схеме.
Модуль скоринговой оценки позволяет на основе исходных данных по кредитной заявке и некоторых дополнительных сведений о клиенте провести предварительный анализ вариантов взаимодействия с клиентом и предложить оптимальный вариант для данного случая просрочки. Далее предложенный вариант поступает на вход модуля генерации заданий на работу.
Модуль генерации заданий на работу получает на входе схему работы с просрочкой в виде последовательности взаимосвязанных действий, которые генерируются в виде «Заданий на работу» (ЗНР) в Service Desk. Маршрут потоков данных автоматизированного комплекса представлен на рисунке 4.1.
Схема средств автоматизации принятия решений при управлении просроченной задолженностью в коллекторском подразделении банка необходимо детально описать. Структура комплекса управления просроченной задолженности физических лиц состоит из трех основных блоков:
В интеграционный слой поступают данные о просрочке из БД системы кредитования ФЛ, а так же администратор АС управления просроченной задолженности физических лиц загружает метафайлы с данными о филиальскои структуре, а так же метафайлы с данными о выполненных работах. Выгруженные данные поступают в модуль конвертирования. Преобразованные данные поступают в блок контроля поручений, состоящий из модуля генератора заданий, сервера приложений Service Desk и БД Service Desk. Из модуля БД Service Desk осуществляется ежедневная выгрузка данных в интеграционный слой. Для анализа и оценки данных модуль мотивационной оценки (КПЭ), берет данные из БД Service Desk. Переходим к описанию блока скоринговой оценки ПЗ (просроченных заданий). Лицо, принимающее решение (ЛПР) анализирует данные из БД принятых решений, а так же из БД вариантов работы с ПЗ и загружает в автоинтерактивную процедуру выбора. Далее обработанные данные ЛПР загружаются в математические модули: модуль многокритериального анализа, модуль деревьев решений и модуль генетического алгоритма. После прохождения математических модулей система генерирует готовые варианты борьбы с просроченной задолженностью, после чего ЛПР принимает решение о выборе подходящего варианта работы с просроченной задолженностью. После чего готовый вариант поступает в блок контроля поручений, а именно в модуль генерации заданий. В модуль мотивационной оценки (КПЭ) поступают готовые варианты работы с просроченной задолженностью, что необходимо анализа и оценки работы ЛПР. Структура средств автоматизации принятия решений при управлении просроченной задолженностью в коллекторском подразделении банка представлена на рисунке 4.2.
Основными научными положениями диссертации является разработка и применение моделей и алгоритмов в средствах автоматизации управления просроченной задолженностью, позволяющих снизить уровень просроченной задолженности физических лиц в финансовой организации.
Для решения поставленных задач в работе использованы методология системного анализа, теория принятия решений, методика скоринговой оценки, методы многокритериальной оптимизации, математический аппарат деревьев решения, генетические алгоритмы, анализ систем мотивации.
К средствам высокоуровневого описания автоматизированной системы управления просроченной задолженности физических лиц относятся: блок интеграционного взаимодействия, в который входят модули ежедневной репликации данных посредством файлового обмена, модуль анализа и конвертирования форматов данных, а так же матрицы адаптации организационной структуры и процедур работы с ПЗ банка. В блок контроля поручений входят модули контроля поручений, база знаний по способам оптимизации работы с ПЗ и процедуры мотивационного стимулирования на основе данных о выполненных поручениях и выбранного способа работы с ПЗ.
