Определение величины безнадежных долгов за период нередко требуется субъективной оценки. В некоторых случаях мнения по поводу того, является ли данный долг безнадежным, расходятся. Решение списать или не списать долг как безнадежный влияет на расходы за период, а следовательно, и на объявленную за этот период прибыль. Однако общая объявленная прибыль за все время существования компании останется неизменной, поскольку неверное решение, принятое в один период, будет скорректировано в последующем.
Предположим, что в какой-то период был списан долг £100, а в следующем периоде должник этот долг погасил. Увеличение расходов на £100 в период, когда был списан безнадежный долг, компенсируется ростом выручки на £100 в период, когда долг был погашен. Если бы этот безнадежный долг так и не был списан, то прибыль за второй период не корректировалась бы на величину безнадежного долга, поэтому была бы иной, но в сумме прибыль за два периода осталась бы той же самой.
Во вставке «Реальная практика 3.8» рассмотрен подход, который банки используют для избежания безнадежных долгов.
Реальная практика 3.8
Банки и безнадежные долги
Нервозность на мировых финансовых рынках, спровоцированная американской практикой предоставления низкокачественных кредитов, заставила банки и другие финансовые институты повнимательнее присмотреться к своим клиентам.
Банки ужесточают политику кредитования с тем, чтобы оградить себя от возможности дефолта заемщиков. Уже появились сведения о том, что они избегают определенных категорий новых заемщиков и ограничивают кредитование существующих заемщиков.
Но как они принимают такие решения?
По информации Ассоциации британских банкиров, банки теперь собирают четыре вида данных для оценки рискованности клиента: негативные данные, например наложенные штрафы и вынесенные окружными судами приговоры, «позитивные» сведения о финансовых обязательствах и кредитах людей и т. п., данные о доходах и отчеты о поведении при осуществлении расходов.
По утверждению представителей Ассоциации систем клиринговых платежей (Apacs), кредиторы получают эту информацию из трех источников: списки избирателей, свои собственные системы, связанные с другими платежными системами, например Visa, и кредитные агентства.
«Люди склонны к привычкам, – говорит Эрик Линдерс, исполнительный директор Ассоциации британских банкиров. – Они кладут заработную плату на свой счет раз в месяц и посещают супермаркет раз в неделю. Анализируя информацию, можно оценить способность человека погасить долг. Нужна компьютерная система, которая будет делать это и поставлять всем банкам одинаковые сведения».
Несмотря на то, что банки стали отказывать некоторым клиентам, по их словам, критерии кредитования не изменились. Г‑н Линдерс считает, что это действительно так: «В последнее время банки не меняли критерии кредитования. Все, что они делают, – это поднимают или понижают пороговый кредитный скоринг. Когда планка поднимается, меньше людей получают кредит. Эта игра называется минимизацией риска, связанного с заемщиком».
Методы оценки клиентов, однако, изменились. Кредиторы нынче используют либо собственные аналитические программы, либо системы сторонних поставщиков, например Fair Isaac. Они способны рассчитать риск клиента на основе имеющихся данных. Банк HBOS, например, применяет программное обеспечение агентства Callcredit для мониторинга просроченных платежей с тем, чтобы принять меры до того, как долг станет безнадежным.
«Все необходимые данные есть в системах банков, – говорит Айан Тервилл, директор Fair Isaac. – Им не хватает инструментов, позволяющих анализировать эти данные и определять, насколько вероятны неплатежи и банкротство. Большинство банков связаны с кредитными агентствами, обычно через веб-сервисы, которые обеспечивают автоматический доступ к базам данных о клиентах. Банки полагаются на внутренние процедуры агентств по обеспечению качества и достоверности данных».
Марта Беннетт, директор по исследованиям в сфере финансовых услуг агентства Datamonitor, добавляет: «С использованием нейронной сети и предсказанием вероятности неплатежа того или иного лица по кредиту всегда связана проблема. Технические системы довольно хорошо справляются со своей задачей, проблема заключается в том, что делать с результатами».
В настоящее время те же самые CRM-системы, которые позволяют розничным продавцам контролировать расходы клиентов, имеющих дисконтные карты, применяются и в банках. Они дают им возможность более точно выстраивать профиль клиентов. В сочетании со средствами прогнозирования такие системы могут играть роль эффективного сигнализатора.
«Если у компании с большим парком автомобилей возникают проблемы с наличностью, она обычно вкладывает все имеющиеся деньги в покупку горючего, – говорит Карл Кламп, генеральный директор Retail Decisions. – Она разом нарушает все лимиты кредитования. Подобное поведение можно наблюдать и среди индивидуальных потребителей. Если их расходы по платежным картам на продукты питания становятся больше обычных, не исключено, что это связано с денежными затруднениями».
