Jak banky rozhodují o poskytnutí úvěru?

Jak banky rozhodují o poskytnutí úvěru?

Petr Bukač

O tom, zda banka poskytne či neposkytne žadateli hypoteční úvěr, rozhoduje kromě kvality zajištění úvěru především bonita žadatele. Přestože se všechny banky zaklínají individuálním přístupem, při hodnocení rizika úvěrové delikvence spoléhají především na statistické skóringové modely.

Jak oddělit zrno od plev

Bankovnictví patří mezi lukrativní, ale zároveň dosti rizikové obory podnikání. Identifikace, měření a řízení finančních rizik je pro každou banku doslova otázkou bytí a nebytí. Selhání v této oblasti by totiž mohlo skončit správním řízením o odnětí bankovní licence, v horším případě krachem banky. Orgány státního dozoru si dobře uvědomují, že podcenění rizik a přehnaná úvěrová expanze amerických hypotečních bank doprovázená nízkými požadavky na bonitu klientů patřily k  prvotním příčinám celosvětové finanční krize.

Banka nebo pobočka zahraniční banky je povinna při výkonu své činnosti postupovat obezřetně, zejména provádět obchody způsobem, který nepoškozuje zájmy jejích vkladatelů z hlediska návratnosti jejich vkladů a neohrožuje bezpečnost a stabilitu banky. (§ 12 odst. 1 zákona č. 21/1992 Sb., o bankách)

Jedním ze základních rizik, s nimiž se banky musejí umět vypořádat, je kreditní, nebo také úvěrové riziko. Spočívá v možné neschopnosti či neochotě klienta splnit finanční závazky vůči bance, které vyplývají zpravidla z úvěrové smlouvy. Někteří dlužníci totiž poskytnutý úvěr splácejí jen s obtížemi, někteří vůbec. Nejlepším způsobem, jak vzniku problémů s těmito delikventními dlužníky zabránit, je úvěry jim vůbec neposkytovat. Bohužel odlišit předem dobré klienty od budoucích neplatičů je poněkud obtížné.

Spíše než na věštění z křišťálové koule banky spoléhají na analýzu rizik a statistické metody. V množství již realizovaných úvěrových obchodů se snaží nalézt charakteristiky a vzorce chování typické pro určité skupiny klientů. S nimi pak pracují skóringové modely zařazující žadatele o úvěr do rizikových skupin. Cílem je předpovědět pravděpodobné budoucí chování klienta a vytvořit rozhodovací pravidla pro přijetí či zamítnutí žádosti o úvěr, resp. pro stanovení rizikové přirážky a dalších podmínek úvěrové smlouvy.

Individuální přístup je drahý

Prakticky všechny banky tvrdí, že právě u nich mohou lidé počítat s individuálním posouzením žádosti o hypoteční úvěr.  Skutečnost je ale často úplně jiná. Osobní přístup k posuzování bonity žadatele o úvěr a snaha vyhovět jeho specifickým požadavkům bývá luxusem vyhrazeným jen pro významné klienty, na jejichž získání či udržení má banka eminentní zájem. Běžný klient se obvykle musí spokojit se standardizovanými postupy, které jsou pro banku méně nákladné.

Zvláště velké banky, které zpracovávají velké množství žádostí o úvěr, z velké části nahradily individuální přístup pevně nastavenými rozhodovacími procesy s automatizovanými algoritmy. Hodnocení bonity žadatelů o úvěr se tím především zrychlilo a zároveň byla do značné míry eliminována subjektivita rozhodování úvěrových pracovníků. Nepříjemným důsledkem je ovšem to, že při jednání v některých bankách si klient připadá spíše jen jako statistická položka.

Skóringové modely používané jednotlivými bankami se vzájemně liší. Přesto mají mnoho společného. Podrobnosti o tom, jaká kritéria a nakolik jsou pro přidělení určitého skóre důležitá, však banky tají. Celý proces tak trochu připomíná výpočet kondiciogramů v české filmové komedii Jáchyme, hoď ho do stroje. Pracovník zadá požadované údaje do počítače, který je zpracuje a vyplivne výsledek. Klient ani pracovník přitom zpravidla nevědí, jak počítač k onomu výsledku došel.

Aplikační skóring vychází z údajů uvedených v žádosti o úvěr, z úvěrových registrů (BRKI, NRKI, SOLUS) a dalších zdrojů (např. sociodemografické profily).



Behaviorální skóring
vychází z dostupných údajů o „finančním chování“ žadatele o úvěr,  např. charakteru, výši a frekvenci transakcí na jeho bankovním účtu, včasného splácení již poskytnutých úvěrů atd.

Data mining čili dolování dat

O schválení či neschválení žádosti o úvěr, výši úrokové sazby a dalších podmínkách úvěrové smlouvy rozhodují často i netušené údaje. Kromě výše příjmů a výdajů může jít o vzdělání a pracovní zařazení žadatele, dobu trvání posledního pracovního poměru, rodinný stav a dokonce i místo jeho bydliště. Podle serveru iDnes Česká spořitelna jako novinku  zavádí kritérium úvěrové rizikovosti adresy trvalého bydliště klientů. Žadateli o úvěr tedy mohou při skóringu ubrat body i problémy jeho souseda se splácením hypotéky.

Profilování a segmentace klientů s využitím stále sofistikovanějších data miningových metod přináší bankám nebývalé možnosti, a to nejen v oblasti risk managementu. Mohou ale také vést až k absurditám. Kdyby nějaká banka disponovala informacemi o výšce a barvě vlasů klientů a její analytici by nalezli významnou korelaci těchto údajů s úvěrovou delikvencí, mohl by třeba vysoký blonďák nakonec získat úvěr výhodněji, než jeho méně urostlý černovlasý kolega.

Výpočet kreditního skóre předpokládá relevantnost a neměnnost kritérií a parametrů použitých při výpočtu. Otázkou tedy například je, nakolik je v případě hypotečního úvěru s 30letou splatností relevantní bankami standardně vyžadovaná informace o výši příjmu žadatele za uplynulých 6 nebo 12 měsíců, a to zvláště v současné, ekonomicky značně neklidné době. Banky se sice snaží své skóringové modely průběžně aktualizovat, ale svůj přístup k hodnocení bonity klientů příliš nemění.

Anketa: Zvládáte splácet hypotéku?

Zobrazit výsledky

Nahrávání ... Nahrávání ...

Předchozí článek: «
Následující článek: »

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *