Модели принятия решений при управлении просроченной задолженностью физических лиц в банковских системах

Рындин, Роман Викторович

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Модели принятия решений при управлении просроченной задолженностью физических лиц в банковских системах

кандидата технических наук: Рындин, Роман Викторович
город: Воронеж
год: 2012
специальность ВАК РФ: 05.13.10
цена: 450 рублей

Диссертация по информатике, вычислительной технике и управлению на тему «Модели принятия решений при управлении просроченной задолженностью физических лиц в банковских системах»

Автореферат диссертации по теме "Модели принятия решений при управлении просроченной задолженностью физических лиц в банковских системах"

На правах рукописи

РЫНДИН РОМАН ВИКТОРОВИЧ

МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРОСРОЧЕННОЙ ЗАДОЛЖЕННОСТЬЮ ФИЗИЧЕСКИХ ЛИЦ В БАНКОВСКИХ СИСТЕМАХ

Специальность: 05.13.10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 о2012

Воронеж-2012

005042409

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Воронежский государственный технический университет».

Научный руководитель: Ландсберг Сергей Евгеньевич, доктор технических наук, профессор

Официальные оппоненты:

Сумин Виктор Иванович, доктор технических наук, профессор. Федеральное казенное образовательное учреждение высшего профессионального образования «Воронежский институт Федеральной службы исполнения наказаний»/ кафедра математики и естественно-научных дисциплин, профессор

Бережной Алексей Алексеевич, кандидат технических наук. Главное управление банка России по Воронежской области/отдел внедрения и сопровождения информационно-аналитической системы регионального центра информатизации. главный инженер-программист

Ведущая организация: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Воронежский государственный университет»

Защита диссертации состоится 24 мая 2012 г. в 13:00 часов на заседании объединенного диссертационного совета ДМ 212.033.03 при Воронежском государственном архитектурно-строительном университете по адресу: 394006, г. Воронеж, ул. 20-летия Октября, 84, ауд. 3220; тел./факс: (473)271-54-30.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного архитектурно-строительного университета.

Автореферат разослан 2 5- апреля 2012 г.

Ученый секретарь диссертационного совета

Белоусов В.Е.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

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:

1. провести анализ основных проблем управления просроченной задолженностью;

2. 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;

3. разработать и обосновать структурную модель управления работы с просроченной задолженностью по конкретному кредитному договору;

4. адаптировать коллекшен-скоринговые модели для использования их на этапе формирования и оптимизации индивидуальной схемы работ по возврату кредитного долга конкретного заемщика;

5. разработать методику мотивации сотрудников коллектора, участвующих в управлении просроченной задолженностью;

6. обосновать совокупность средств и методов принятия решения при управлении просроченной задолженностью физических лиц;

7. 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:

1. 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;

2. разработана многокритериальная модель скоринговой оценки уровня проблемное™ 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;

3. применена унифицированная структурная модель управления просроченной задолженностью в рамках колпекторской деятельности.

4. 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.

5. применены скоринговые методы оценки для выбора более эффективной схемы работы с клиентом, допустившим просроченную задолженность по

4

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'IO (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.

5

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, описывается ее краткая характеристика, формулируется цель, научная новизна и практическая значимость полученных результатов, дается краткое содержание глав работы.

В первой главе дается понятие процесса управления просроченной задолженности физических лиц, а так же проводится анализ и выявление проблем возникающих при управлении просроченной задолженностью физических лиц.

В главе проводится обзор и критический анализ существующих систем автоматизации управления коллекторской деятельностью. На рынке существует множество решений позволяющих автоматизировать различные области деятельности коллекторских агентств, но полнофункциональной системы автоматизации процесса управления коллекторской деятельностью, охватывающую весь спектр работ по борьбе с просроченной задолженностью нет.

Для реализации задачи рационального выбора эффективной схемы взаимодействия с клиентом предлагается реализовать модель принятия решения. На вход модели поступают исходные данные, характеризующие потенциальную способность клиента погасить просроченную задолженность, далее путем методики принятия решения о выборе оптимальной схемы взаимодействия с клиентом мы получаем схему работы с клиентом, допустившим просроченную задолженность.

Эта модель даст индивидуальный подход к клиенту, что оптимизирует расходы банка на взыскание просроченной задолженности и главное позволит сократить срок возвращения задолженности.

При решении задачи поиска оптимального способа взаимодействия с клиентом, допустившим просроченную задолженность предлагается использовать методы многокритериальной оптимизации, генетические алгоритмы, а так же алгоритмы деревьев решений.

Во второй главе описана структурная модель управления просроченной задолженностью в банке, предложено использование методик стимулирования в рамках коллектора на основе ключевых показателей эффективности.

Предлагается в составе банка выделить коллекторское подразделение. На Коллектор предлагается возложить координационную роль между подразделениями банка выдающими кредиты и подразделениями, занимающимися hard и legal-collection - это юридическая и служба безопасности. Также предлагается делегировать основные полномочия по работе с hard-collection от службы безопасности в коллектор. Коллекторскому подразделению предлагается заняться аналитической и контрольной функцией, с единой точкой контакта с руководством банка при управлении просроченной задолженностью.

Для организации процесса управления просроченной задолженности физических лиц необходимо структурировать подходы в коллекторской деятельности в банке. В общем виде модель работы коллекторского агентства можно представить в виде некоего процесса, на вход которого поступает просроченная задолженность по кредитам физических лиц (ФЛ). На саму деятельность коллектора влияют внешние факторы как изменения законодательства, состояния экономики и пр. На выходе же у модели как целевая функция, к которой необходимо стремиться это снижение уровня просроченной задолженности ФЛ в банке.

Мотивация персонала - одно из самых сложных, а также очень важных направлений деятельности при управлении коллективом. В коллекторской деятельности мотивация имеет первостепенное значение. Можно разделить два типа мотивации характерной для управления просроченной задолженностью: это мотивация должников к выплате долга и недопущению его в дальнейшем, а также мотивация сотрудников коллектора, выполняющих работы в целях достижения основной цели коллекторской деятельности - возврату кредитных долгов.

Для построения эффективной модели мотивационной коллектора необходимо четко сформулировать критерии, влияющие на результат работы коллек-торского подразделения:

снижение уровня просроченной задолженности ФЛ в банке в как можно более сжатые сроки,

снижение удельного веса просроченной задолженности в общем портфеле банка,

снижение судебных издержек на взымание долгов;

получение залоговых выгод банком от просроченных кредитов.

Представим основные шаги по разработке стимулирующих (мотивацион-ных) схем на основе ключевых показателей эффективности:

1. Определение ключевых показателей эффективности (КПЭ) подразделения.

2. Определение весов и ранжирование по важности КПЭ.

3. Определение напряженности стимулирования (доля премиальной/переменной/бонусной части) подразделения.

Проанализировав основные проблемы, связанные с управлением просроченной задолженностью в банке выявлено, что основной проблемой является отсутствие единых стандартов организации работы с просроченной задолженностью на всех уровнях структурных подразделений банка. Для реализации данного постулата предложена унифицированная схема работы с просроченной задолженностью в кредитных организациях и сформирована структурная модель управления просроченной задолженностью в банке.

В третьей главе предложен специальный метод управления портфелем просроченной задолженности банка. Метод позволяет осуществлять оптимальный выбор вариантов (планов) работы по каждому договору портфеля, отвечающий определенным ограничениям и критериям эффективности деятельности подразделения банка по работе с просроченной задолженностью. Под вариантом работы с просроченной задолженностью понимается план мероприятий (бизнес-процессов) на определенный период времени. Описание варианта работы с просроченной задолженностью содержит: набор мероприятий, начало и конец во времени каждого мероприятия, условные операторы перехода к следующему мероприятию, при определенной результативности предыдущего мероприятия, ресурсные затраты на проведение каждого мероприятия. Статистика применения различных вариантов работы с просроченной задолженностью позволяет оценивать показатели эффективности применения конкретных вариантов для различных категорий клиентов. В качестве мероприятий по работе с просроченной задолженностью могут рассматриваться телефонные переговоры, рассылка писем, Бшв и электронных сообщений, личные встречи с клиентами, судебные мероприятия и т.д. Планы мероприятий имеют разветвленную струк-

туру и обеспечивают вариативность воздействия на должников в зависимости от предыдущих результатов.

В главе рассматривается адаптация скоринговых моделей для борьбы с простроченной задолженностью на основе методов построения деревьев решения.

Одной из самых известных скоринговых моделей является модель Дюра-на. Модель Дюрана была взята в работе за основу. Проанализировав данные характеризующих кредитоспособность физического лица, можно сделать выводы, что большинство данных факторов можно использовать и при анализе заемщика допустившего просроченную задолженность по кредиту, для дальнейшего принятия решения о способе работы с данным заемщиком. К примеру, для одного заемщика на начальной стадии просрочки достаточно будет направить SMS-сообщение о просроченной задолженности для погашения им кредита, с другим необходимо будет связаться по телефону и договариваться о вариантах погашения им кредитной просрочки.

Однако, коэффициенты, применяемые в модели Дюрана были в работе модифицированы для применения стратегий работы с клиентом при возникновении просроченной задолженности. Сравнительная таблица основных коэффициентов используемых в работе приведена в таблице 1. Если сумма коэффициентов превышает 2,4 балла, то применяется план мероприятий soft 1.

Таблица 1 - Сравнительная таблица основных коэффициентов

Факторы Модели Дюрана (коэффициенты) Модель работы с клиентом при возникновении просроченной задолженности (коэффициенты)

Пол Женский (0.4 балла), Мужской (0) Женский (0.5 балла), Мужской (0)

Возраст 0.1 балл за каждый год свыше 20 лет, но небольше, чем 0.30 22 >= до 40 0.2 за каждый год свыше 22 лег, но небольше, чем 3,40>= до 60 0.05 балла

Семейное положение Да 0.3 балла Да 0.4 балла

Среднемесячный доход Среднемесячный доход > =10.000 до 50.000 руб. (+0.05 за каждые 10.000 руб. балла), >=50.000 0.3 балла Среднемесячный доход > =10.000 до 60.000 руб. (+0.2 за каждые 10.000 руб. балла), >=60.000 0.2 балла

Деревья решений - это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Целью построения деревьев решения, является получение лучшего дерева, т.е нахождения результативного варианта работы с просроченной задолженностью частного клиента банка, где мы получаем оптимальный путь к возврату его задолженности. В конечном счете, оптимальность данного пути заключается в сокращении срока получения просроченного долга. Схема дерева решений по борьбе с просроченной задолженностью на ранних этапах (soft-collection) изображена на рис.1. На сегодняшний день существует

8

Рис. 1. Схема дерева решений по борьбе с просроченной задолженностью на ранних этапах (soft-collection).

значительное число алгоритмов, реализующих деревья решений. В работе применяется алгоритм С4.5

С4.5 - алгоритм построения дерева решений, количество потомков у узла не ограничено. Не умеет работать с непрерывным целевым полем, поэтому решает только задачи классификации.

Большинство из известных алгоритмов являются "жадными алгоритмами". Если один раз был выбран атрибут, и по нему было произведено разбиение на подмножества, то алгоритм не может вернуться назад и выбрать другой атри бут, который дал бы лучшее разбиение. И поэтому на этапе построения нельзя сказать даст ли выбранный атрибут, в конечном итоге, оптимальное разбиение.

Алгоритм С4.5, усовершенствованная версия алгоритма ГОЗ (Iterative Dichotomizer), использует теоретико-информационный подход. Для выбора наиболее подходящего атрибута, предлагается следующий критерий:

Gain(X) = Info(T) - Infox(T) (1)

где, - энтропия множества Т, а

Infox(T)= I Щ*1фЩ) (2)

/=1 ИI

Т Т Т

Множества 2,... " получены при разбиении исходного множества Т по проверке X. Выбирается атрибут, дающий максимальное значение по критерию. Впервые эта мера была предложена Р. Куинленом.

Этот алгоритм позволяет довольно точно и быстро принять решение о способе борьбы с просроченной задолженностью на ранних строках и в не проблемных случаях. Но в более сложных случаях, когда кредит переходит в стадию проблемных для возврата долга, тогда стоит использовать более сложные алгоритмы, которые дают более точный выбор решения. Наилучший результат в таких случаях дает метод многокритериальной оптимизационной.

Исследуемый метод управления портфелем просроченной задолженности банка базируется на специальной многокритериальной оптимизационной модели. Целевые функции модели отражают основные критерии эффективности деятельности подразделения банка по работе с просроченной задолженностью, ограничения строятся по ресурсам и нормативам работы данного подразделения.

Для формализованной записи модели введем следующие обозначения:

Т - период времени, на который осуществляется планирование мероприятий по работе с договорами портфеля просроченной задолженности;

N - количество вариантов работы с договорами просроченной задолженности;

i =1,...,N - порядковые номера вариантов работы на период Т;

i=l, | - порядковые номера вариантов работы группы soft (предварительный - рассылка sms, e-mail, письменные уведомления с использованием шаблонов);

К К

i= i+i+l..... 2 . порядковые номера вариантов работы группы hard (досудебный - вторая стадия работы с должником, на этом этапе коллектор встречается с должником лично).

у

i= 2+l, ..., N - порядковые номера вариантов работы группы legal (судебное разбирательство - стадия включает в себя совокупность действий коллекторов по принудительному взысканию задолженности посредством обращения к государственной защите нарушенных прав кредитора).

М - количество договоров в портфеле просроченных задолженностей;

j=l,...,M - порядковые номера договоров портфеля просроченной задолженности;

{1, если вариант i будет применен к договору j О, в противном случае

и, - время работы юристов по i-му варианту;

U - верхнее ограничение по времени работы юристов подразделения на период Т;

^ . время работы службы безопасности по i-му варианту;

В - верхнее ограничение по времени работы службы безопасности подразделения на период Т;

ю

" - прогноз взыскания с помощью варианта 1 для ]-го договора портфеля просроченной задолженности (оценивается экспертно или с помощью нейросе-тевого алгоритма, обучающегося на базе ретроспективной информации подразделения по работе с договорами просроченной задолженности);

п

' - величина просроченной задолженности для >го договора в портфеле просроченной задолженности;

о

' - величина общей задолженности для ^-го договора в портфеле просроченной задолженности;

й

2,

- уже выплаченный долг за предыдущий период;

с' - себестоимость ¡-го варианта плана мероприятий на период Т;

Е.

1 - затраты по взысканию ^-ого должника за весь период просрочки;

^ - коэффициент важности для клиента;

* - мера эффективности ¡-го плана для ]-ого задолжника на данный период (экспертная оценка);

'' - вероятность передачи дел в суд, если к .¡-му договору будет применен ¡-й вариант плана в период Т (оценивается на базе ретроспективной информации подразделения по работе с договорами просроченной задолженности).

Модель содержит следующие ограничения:

1. ограничение по времени работы юристов подразделения по работе с просроченной задолженностью:

н и

(3)

1-1 У-1

2. ограничение по времени работы службы безопасности подразделения по работе с просроченной задолженностью:

а>мв, (4)

1-1 м

3. ограничение на среднюю долю просроченной задолженности в общей задолженности по отдельным договорам портфеля просроченной задолженности:

(5)

М ы у=1 г. —р

1 I ГЦ

Данное ограничение отражает стремление банков в среднем не превосходить 5% доли просроченной задолженности в общей задолженности по каждому договору портфеля просроченной задолженности.

4. Ограничение на количество вариантов плана, применяемых к _/-му договору в период планирования:

2>, = 1 у/ = Пм, (6)

1=1

К каждому должнику в период времени Т может быть применен только один вариант плана мероприятий.

Модель предусматривает четыре целевых критерия:

и

1. максимизация суммы погашения (с учетом прогноза на период планирования Т) просроченной задолженности для каждого заемщика за вычетом уже понесенных и прогнозируемых затрат на взыскание:

-£,)-> шах, (7)

2. минимизация применения жестких планов относительно важных для банка клиентов:

Цх^-^тт, (8)

3. максимизация суммарной по всей совокупности договоров просроченной задолженности экспертной оценки эффективности вариантов:

N М

12>Д->тах> (9)

1=1

4. минимизация суммарной по всей совокупности договоров просроченной задолженности вероятности передачи дел в суд:

(10)

В соответствии с введенными ограничениями и целевыми функциями многокритериальная оптимизационная модель управления портфелем просроченной задолженности банка примет вид:

Е2>М +*/ -£,)-»тах

Ет1п

N А/

ЕЕ*А-»тах

..1 >.1

V м

1 N М 7 * — П

—ЕЕ* (и— ) * юо <, 5

мъъ (и)

2>» = 1У/

1=1

V А/

Многокритериальная оптимизация представляет собой попытку получить

наилучшее решение х =

эффективности, то есть найти некоторый компромисс между частными критериями, по которым требуется оптимизировать решение.

для рассматриваемого множества критериев

В работе предложено несколько подходов к решению рассматриваемой многокритериальной оптимизационной задачи. В качестве первого подхода анализируется подход, основанной на взвешенной аддитивной свертке критериев и решении однокритериальной целочисленной задачи линейного программирования. При построении аддитивной свертки используется стандартная предобработка и нормировка критериев. Весовые коэффициенты критериев определяются экспертно с помощью метода ранжирования частных критериев и проверки суждений экспертов об отношениях предпочтения путем последовательных сравнений и корректировок.

Полученная в работе однокритериальная задача оптимизации управления портфелем просроченной задолженности банка классифицируется как задача дискретного программирования с бинарными переменными, линейной целевой функцией и линейными ограничениями специального вида. Для нахождения решения однокритериальной задачи используется метод ветвей и границ, оценки ветвей строятся с помощью приближенного решения двойственных задач.

В основу алгоритма метода ветвей и границ положено разбиение множеств на подмножества (алгоритм ветвления множеств), анализ подмножеств (алгоритм определения границ) и исключение из дальнейшего рассмотрения тех подмножеств, в которых заведомо не содержится оптимальное решение.

При конкретизации схемы метода ветвей и границ для решения однокритериальной задачи оптимизации управления портфелем просроченной задолженности банка вида

N И

ЕЕ 4л тах

' N М

I I ^ в

I-1 J-1

I 1 * м

1-1 у - 1

t х, = ivy

/ = 1

N М

£ I * и

ветвление осуществляется по значениям 0 и 1 соответствующей этапу бинарной переменной XtJ.

для вычисления оценки каждого подмножества, в задаче,

соответствующей данному подмножеству, требование на переменные xv =

заменяется требованием xv >0 и строится двойственная задача. Матрица прямой задачи в общем случае имеет следующую структуру

(12)

(13)

*,2 • *2, ха - У ...... ...... XS2 3 п

Ь> Ь, . • Ь, Ьг ь3 . • К ...... ...... ь„ к •• h < в

«U а12 . ■ «1« «21 аи . • аги ...... ...... «м ап2 " аш < м

м, • и, "2 • «2 ...... ...... и„ «У и

1 1 1 =

1 1 ... 1 =

.. 1 ... 1 ... 1

Y, Уг У.i i w, l w2 l

1 wu

поэтому двойственная задача имеет вид:

BY!+MY1+UY,+fiWJ-> min (14)

№

Vi+ +V.+»'.* 4.

b,Y, + anY1 + utY,+W1i:Aa

+ + + (15)

b,rt + almY, + u,Y, + WMiA„

b^ + a^ + uJt + W^A^ bJ^a.J^uJ^W^A,.,

ЬКУ, + аш Г, + «„У, + №и > Аш

Г1г¥2,¥3^0 (16)

Перебираются допустимые в двойственной задаче решения, у которых только одна из двойственных переменных отлична от нуля, вычисляется значение целевой функции на каждом решении такого типа и находится решение с минимальным значением целевой функции двойственной задачи. Используя теорию двойственности, найденное минимальное значение принимается за оценку прямой задачи, соответствующей рассматриваемому подмножеству ветвления.

В качестве второго подхода к решению многокритериальной оптимизационной задачи в работе предложен многокритериальный генетический алгоритм, позволяющий, в отличие от первого подхода, генерировать Парето-оптимальное множество альтернативных решений. Сформулируем кратко основные этапы данного генетического алгоритма.

Шаг 1. Представление данных.

В генетических алгоритмах оперируют хромосомами, характеризующими множество объектов популяции. Имитация генетических принципов -вероятностный выбор родителей среди членов популяции, скрещивание их хромосом, отбор потомков для включения в новые поколения объектов на основе оценки целевой функции - ведет к эволюционному улучшению значений целевой функции (функции приспособленности) от поколения к поколению.

В качестве объектов популяции при решении задачи выбора вариантов работы с договорами портфеля просроченной задолженности рассматриваются

неизвестные матрицы Х =

Хромосома, представляющая каждый

объект X, задается с помощью перестановочного кодирования, представляющего собой вектор длины М, в котором нау'-м (/ =1.....М) месте стоит номер /, соответствующий х.. = 1 .Например, для объекта

договоры '0 10 0" 1010 0000 [оооО

хромосома запишется как вектор-перестановка: Х=(2,1,2,4).

Шаг 2. Генерация начальной популяции.

Первая популяция создаётся случайным образом из Ь различных перестановок с повторением длиной N. Сгенерированные случайным образом перестановки с повторениями длины N проверяются на допустимость с точки зрения ограничений задачи. Если перестановка не удовлетворяет ограничениям, то проводится ее корректировка путем последовательного смещения элементов по принципу минимизации невязок ограничений.

Шаг 3. Процедура получения скалярной оценки приспособленности особи в многокритериальной задаче.

1) Из текущей популяции выбирается множество недоминируемых внутри этой популяции решений, они запоминаются и до окончания подсчета оценок выбрасываются из рассмотрения.

2) Ищется и исключается множество недоминируемых вариантов в усеченном множестве. Эта процедура проводится до тех пор, пока все варианты не будут исключены из популяции.

3) Все особи получают результирующие оценки критерия приспособленности: принадлежащие последнему исключённому множеству получают оценку 1, предпоследнему оценку 2. Особи, первыми выброшенные из рассмотрения, получают самую высокую оценку. Внутри каждого исключенного множества все варианты решения имеют одинаковые оценки.

Шаг 4. Отбор (селекция).

В качестве процедуры селекции используется стандартный механизм пропорционального отбора, и чем выше у особи оценка приспособленности, тем вероятнее она попадет в родители следующего поколения.

Шаг 5. Скрещивание и мутация.

Для создания новых особей-потомков используется так называемый измененный кроссовер. Работа этого кроссовера может быть описана следующим образом. Выбирается точка сечения, затем первая часть одного родителя копируется в первого потомка. Во вторую часть потомка копируются гены второго родителя. Если такие гены уже встречаются в потомке, то они пропускаются, а оставшуюся часть потомка дополняют гены первого родителя. Аналогичный алгоритм и для второго потомка. После того как закончится стадия кроссовера, потомки могут подвергаться случайным модификациям, называемым мутациями. Каждая хромосома подвергается мутации с некоторой вероятностью Рт. Применяются такие разновидности мутации как операторы инверсии и транслокации. Под инверсией понимается перестановка генов в обратном порядке внутри наугад выбранного участка хромосомы, под транслокацией - перенос какого-либо участка хромосомы, в другой сегмент этой же хромосомы.

Допустимость полученных после скрещивания и мутации особей с позиции ограничений модели достигается также как и при генерации первоначальной популяции.

Шаг 6. Формирование нового поколения.

После скрещивания и мутации особей необходимо решить проблему о том, какие из новых особей войдут в следующее поколение, а какие - нет, и что делать с их предками. Используется два распространенных способа.

1. Новые особи (потомки) занимают места своих родителей. После чего наступает следующий этап, в котором потомки оцениваются, отбираются, дают потомство и уступают место своим "детям".

2. Следующая популяция включает в себя как родителей, так и их потомков.

Во втором случае дополнительно определяется, какие из особей родителей и потомков попадут в новое поколение. В простейшем случае, в него после каждого скрещивания включаются две лучших особи из четверки родителей и их потомков. Более эффективным является механизм вытеснения, который реализуется таким образом, что стремится удалять «похожие» хромосомы из популяции и оставлять отличающиеся. Принцип "элитизма" заключается в том, что в новое поколение всегда включаются лучшие родительские особи. Их число может быть от 1 и больше. Использование "элитизма" позволяет не потерять хорошее промежуточное решение, но, в то же время из-за этого алгоритм может "застрять" в локальном экстремуме. В большинстве случаев "элитизм" не вредит поиску решения, и главное - это предоставить алгоритму возможность анализировать разные хромосомы из пространства поиска.

Шаг 7. Критерий прекращения работы.

В качестве рекорда хранится множество недоминируемых за все время заботы алгоритма вариантов. Как критерий остановки вычислений

используется следующая проверка: если за последние 20 поколений рекордное множество не изменилось, то дальнейшая работа алгоритма прекращается.

Применение генетических алгоритмов позволит руководителю коллекторского агентства спроектировать оптимальный план работ по сокращению просроченной задолженности в кредитной организации. Причем данный план будет адаптирован к конкретному клиенту, который числится должником в банке. Высокая степень гибкости применяемых генетических алгоритмов позволяет строить планы борьбы с просроченной задолженностью с учетом прогнозов возврата денежных средств в кредитную организацию.

На основе экспериментальных данных сравнения применения метода полного перебора ветвей деревьев решений, метода выбора с применением методов отсечения ветвей деревьев решений, а также генетического алгоритм и метода ветвей и границ получены результаты производительности методов (измеряется в количестве итераций) см. таблицу 2. В работе было рассмотрено порядка 10000 кредитных договоров вышедших на просрочку, имеющих 50 параметров каждый. Целью в работе было выбрать стратегию работы с клиентом, которая позволит наиболее сжатые сроки получить банку просроченную задолженность в максимально полном объеме. Изначально в работе было выработано 10 стратегий работы с клиентом.

Таблица 2 - Сравнительная характеристики производительности методов и алгоритмов принятия решения для получения решения по выбору стратегии работы с клиентом допустившим просроченную задолженность.

Метод полного перебора Деревья решения с отсечением Метод ветвей и границ Генетический алгоритм

249 215 212 160 поколений мутации

В четвертой главе приведено обоснование состава, структуры и методики внедрения средств автоматизации управления просроченной задолженностью физических лиц в коллекторе. А также приведены основные результаты внедрения автоматизированных средств управления просроченной задолженностью физических лиц («УПЗ ФЛ»). Рассмотрено внедрение научных результатов исследований в производство и приведена оценочная эффективность их использования.

Основными функциями АС УПЗ-ФЛ являются:

1. Выбор эффективного варианта работы с просроченной задолженностью;

2. Автоматизированный контроль выполнения каждого этапа мероприятий по работе с просроченной ссудной задолженностью физических лиц по каждому договору и исполнителю;

3. Оперативное получение информации о количественных и качественных показателях (объем и динамика) просроченной ссудной задолженности, в разрезе подразделений и состоянии работы с просроченной ссудной задолженностью физических лиц в разрезе каждого договора, исполнителя, ответственного подразделения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В ходе выполнения диссертационного исследования получены следующие основные результаты:

1. Проведен анализ типовых проблем, возникающих при управлении просроченной задолженностью физических лиц;

2. Предложена структурная модель управления просроченной задолженностью в банке;

3. Исследованы и предложены модели управления в коллекторской деятельности;

4. Разработаны скоринговые модели выбора эффективной схемы работы с клиентом при управлении просроченной задолженностью физических лиц на основе методов оптимизации и генетических алгоритмов;

5. Предложена адаптация скоринговых моделей для борьбы с простроченной задолженностью на основе методов построения деревьев решения.

6. Разработана методика внедрения средств автоматизации управлением просроченной задолженностью физических лиц;

7. Обоснован состав и структура средств автоматизации управления просроченной задолженностью физических лиц в коллекторе;

8. Предложена методика стимулирования в рамках коллектора на основе ключевых показателей эффективности интегрированная с автоматизированной системой управления просроченной задолженностью физических лиц;

Основные результаты диссертации опубликованы в следующих работах:

Публикации в изданиях, рекомендованных ВАК РФ

1. Рындин, Р.В. Многокритериальная модель скоринговой оценки уровня проблемности кредитных договоров с просроченной задолженностью. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // ВЕСТНИК Воронежского государственного технического университета, Том 6 №1, 2010 -С.177-179.

2. Рындин, Р.В. Принципы принятия решения о варианте взаимодействия с клиентом при возврате просроченной задолженности. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // ВЕСТНИК Воронежского государственного технического университета, Том 6 №2, 2010 — С.10-13.

3. Рындин, Р.В. Построение методики стимулирования в рамках коллектора на основе ключевых показателей эффективности. / Р.В. Рындин, // ВЕСТНИК Воронежского государственного технического университета, Том 7 №7,2011 - С.213-216.

Статьи, материалы конференций

4. Рындин, Р.В. Автоматизация процесса управления просроченной задолженности физических лиц. (УПЗ ФЛ), / С.Е. Ландсберг, С.Н. Андреищев Р.В. Рындин // Оптимизация и моделирование в автоматизированных системах. Межвузовский сборник научных трудов Изд-во Воронежского государственного технического университета, г. Воронеж,2008.-С.49-57.

5. Рындин, P.B. Актуальность разработки средств автоматизации управления просроченной задолженностью физических лиц. / Р.В. Рындин, С.Н. Андреищев // Интеллектуализация управления в социальных и экономических системах, г. Воронеж Воронежский государственный технический университет, 2010 - С.42-43.

6. Рындин, Р.В. Актуальность разработки управленческой ИТ-системы в банке. Анализ ИТ- систем Service Desk. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // XXXVI МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ VII МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ МОЛОДЫХ УЧЕНЫХ. Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E 09 -Украина, Крым, г. Ялта-Гурзуф 2009 - С.169-172.

7. Рындин, Р.В. Анализ средств автоматизации коллекторской деятельности. / Р.В.Рындин // Управление в социальных и экономических системах. - г.Воронеж : Воронежский государственный технический университет, 2009 - С.439-444.

8. Рындин, Р.В. Деревья решений как вариант получения скоринговой оценки способов борьбы с просроченной задолженностью физических лиц. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // XXXVI МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ VII МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ МОЛОДЫХ УЧЕНЫХ. Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E'10 - Украина, Крым, г. Ялта-Гурзуф : 2010 - С.176-178.

9. Рындин, Р.В. Методы автоматизации процесса управления просроченной задолженностью физических лиц (УПЗ ФЛ). / Р.В. Рындин, С.Н. Андреищев, A.A. Рындин // Современные проблемы прикладной математики и математического моделирования. Материалы III Международной научной конференции. - г. Воронеж : Изд-во Воронежский государственный университет, 2009,- С.170-172.

10. Рындин, Р.В. Модель принятия решения при управлении коллекторским агентством. / С.Е. Ландсберг, С.Н. Андреищев, Р.В. Рындин // Управление в социальных и экономических системах. г.Воронеж : Воронежский государственный технический университет, 2009 — С.435-438.

11. Рындин, Р.В. Построение модели оптимизации выбора решения при управлении просроченной задолженностью физических лиц. / С.Е. Ландсберг, Р.В. Рындин, С.Н. Андреищев // Интеллектуализация управления в социальных и экономических системах. г.Воронеж : Воронежский государственный технический университет, 2010 - С.39-41.

12. Рындин, Р.В. Применение генетического алгоритма для достижения оптимальной скоринговой оценки просрочника. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // XXXVI МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ VII МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ МОЛОДЫХ УЧЕНЫХ. Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E'10 - Украина, Крым, г. Ялта-Гурзуф : 2010 - С.81-83.

13. Рындин, Р.В. Модель многокритериальной оптимизации для борьбы с просроченной задолженностью физических лиц. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // Управление в социальных и экономических системах, г. Воронеж : Воронежский государственный технический университет, 2010 - С 35-37.

14. Рындин, P.B. Математическая модель управления коллекторской деятельностью кредитного подразделения на основе глобальной оптимизации. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // Информационно-телекоммуникационные системы и управление, г. Воронеж : Воронежский институт высоких технологий, 2011 - С 30-33.

15. Рындин, Р.В. Применение генетического алгоритма для выбора оптимального плана работ с просроченной задолженностью в кредитной организации. / Р.В. Рындин, С.Е. Ландсберг, A.A. Рындин, С.Н. Андреищев // Информационно-телекоммуникационные системы и управление, г. Воронеж : Воронежский институт высоких технологий, 2011 - С 33-36.

Рындин Роман Викторович

МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРОСРОЧЕННОЙ ЗАДОЛЖЕННОСТЬЮ ФИЗИЧЕСКИХ ЛИЦ В БАНКОВСКИХ СИСТЕМАХ

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Подписано в печать 18.04.2012. Формат 60x84 1/16. Бумага писчая. Усл. печ. л. 1,0. Тираж 100 экз. Заказ № 180

Отпечатано: отдел оперативной полиграфии издательства учебной литературы и учебно-методических пособий Воронежского ГАСУ 394006 г. Воронеж, ул. 20-летия Октября, 84

Текст работы Рындин, Роман Викторович, диссертация по теме Управление в социальных и экономических системах

61 12-5/3614

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ

УНИВЕРСИТЕТ»

МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРОСРОЧЕННОЙ ЗАДОЛЖЕННОСТЬЮ ФИЗИЧЕСКИХ ЛИЦ В

БАНКОВСКИХ СИСТЕМАХ

Специальность: 05.13.10 - Управление в социальных и экономических

на соискание ученой степени кандидата технических наук

На правах рукописи

Рындин Роман Викторович

системах

ДИССЕРТАЦИЯ

Научный руководитель

доктор технических наук, профессор Ландсберг Сергей Евгеньевич

Воронеж - 2012

Содержание

Введение..............................................................................4

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................... 62

2.6 Выводы............................................................................70

3 Разработка скоринговых моделей и алгоритмов принятия решений при управлении просроченной задолженностью........................... 71

3.1 Многокритериальная модель скоринговой оценки уровня проблем-ности 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..................110

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..................................................................129

Приложение А Унифицированная схема работы с просроченной задолженностью в кредитных организациях...........................................138

Приложение Б Состав, порядок и обязательность полей в метафайлах для загрузки данных в АС «УПЗ-ФЛ»............................................144

Приложение В Состав, порядок и обязательность полей в метафайлах для учета филиальской сети банка и индивидуальных заданий на работу в АС «УПЗ-ФЛ.....................................................................147

Приложение Г Акты внедрения....................................................148

ВВЕДЕНИЕ

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 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. Приведем список основных проблем возникающих при работе с просроченной задолженностью:

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;

7. Отсутствие интеграции между системой мотивации в коллекторском подразделении и результатами его работы.

Для сокращения процесса роста просроченной задолженности в кредитных организациях предлагается:

1. Выделить отдельное подразделение в кредитной организации, которое будет работать с просроченной задолженностью частных клиентов или передать работу по возврату просроченной задолженности в коллекторское агентство;

2. Разработать унифицированную схему работы с просроченной задолженностью в кредитных организациях;

3. Обеспечить контроль за строгим соблюдением порядка работы с просроченной задолженностью в кредитной организации описанного в унифицированной схеме;

4. Разработать совокупность моделей и алгоритмов принятия решения в управлении просроченной задолженностью физических лиц;

5. 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.