Εκτίμηση πιστωτικού κινδύνου

H ραγδαία αύξηση των επισφαλειών και των μη εξυπηρετούμενων δανείων, λόγω της κρίσης των έξι τελευταίων ετών, αποτελεί ένα θέμα υψηλής σημαντικότητας για τις ελληνικές τράπεζες.
Οι τράπεζες καλούνται να διαχειρισθούν το υπάρχον  απόθεμα μη εξυπηρετούμενων δανείων (NPLs) και να αναπροσαρμόσουν τα συστήματα και τις διαδικασίες διαχείρισης του πιστωτικού κινδύνου των επιχειρήσεων και ιδιωτών ώστε να αποτρέψουν τη δημιουργία νέων. Στην πρώτη περίπτωση οι τράπεζες περιχαρακώνουν (ring fencing) το προβληματικό χαρτοφυλάκιο  και η διαχείρισή του γίνεται από ειδική ομάδα διαχείρισης NPLs εντός της τράπεζας (internal work-out). Αυτό απαιτεί ειδικές δεξιότητες και εμπειρία καθώς χειρισμός των προβληματικών πελατών είναι διαφορετικός από το χειρισμό των ενήμερων πελατών καθώς απαιτεί μια πιο προσωποποιημένη και νομική προσέγγιση. Παράλληλα με τη διαχείριση των NPLs οι τράπεζες πρέπει να βελτιώσουν τα συστήματα διαχείρισης πιστωτικού κινδύνου ώστε η ζημία από τη νέα γενιά NPLs να μπορεί να απορροφηθεί χωρίς κραδασμούς. Και στις δύο περιπτώσεις οι τράπεζες πρέπει να αναπτύξουν τα κατάλληλα εργαλεία ώστε να βελτιώσουν την ποιότητα του δανειακού χαρτοφυλακίου.
Το Εργαστήριο Συστημάτων Χρηματοοικονομικής Διοίκησης του Πολυτεχνείου Κρήτης έχει αναπτύξει σημαντική τεχνογνωσία σε θέματα ανάλυσης του πιστωτικού κινδύνου και διαχείρισης NPLs καθώς έχει συνεργαστεί με χρηματοπιστωτικά ιδρύματα και επιχειρήσεις στο θέμα αυτό (Τράπεζα της Ελλάδος, ICAP Α.Ε., Eurobank, Συνεταιριστικές Τράπεζες και πρώην εμπορικές τράπεζες όπως Ιονική, Γενική και Εμπορική). Επιπλέον, το Εργαστήριο έχει αναπτύξει συνεργασίες με ερευνητικά κέντρα και ιδρύματα του εξωτερικού (όπως το Centre for Financial and Risk Management της Audencia Nantes School of Management (EQUIS, AMBA, AACSB) στη Γαλλία. Μέσω των συνεργασιών αυτών, αναπτύσσεται τεχνογνωσία με βάση τις διεθνείς πρακτικές και νέες εξελίξεις, η οποία σταδιακά μεταφέρεται και στα ελληνικά δεδομένα.
Ειδικά στο πεδίο της ανάλυσης του πιστωτικού κινδύνου, το Εργαστήριο έχει αναπτύξει καινοτόμες μεθοδολογίες για την ανάπτυξη μοντέλων πιστοληπτικής βαθμονόμησης (credit scoring) χρησιμοποιώντας εξελιγμένες αναλυτικές τεχνικές από το χώρο της επιχειρησιακής έρευνας, της πολυκριτήριας ανάλυσης αποφάσεων και της τεχνητής νοημοσύνης. Πλήθος συγκριτικών αναλύσεων σε πραγματικά δεδομένα από την Ελλάδα και το εξωτερικό έχουν δείξει ότι τα εργαλεία που έχουν αναπτυχθεί στο Εργαστήριο παρέχουν εκτιμήσεις υψηλής ακρίβειας (σε σχέση με άλλες καθιερωμένες στατιστικές τεχνικές). Οι μεθοδολογίες αυτές μπορούν να χρησιμοποιηθούν τόσο για την αξιολόγηση του πιστωτικού κινδύνου επιχειρήσεων (μεγάλων και μικρομεσαίων) όσο και ιδιωτών, παρέχοντας αξιόπιστες εκτιμήσεις για την πιθανότητα αθέτησης (probability of default).
Ταυτόχρονα, στην Audencia πέρα από τα εργασίες που έχουν εκπονηθεί στους τομείς τραπεζικού και χρηματοοικονομικού κινδύνου και έχουν δημοσιευτεί σε κορυφαίες επιθεωρήσεις με βάση τις διεθνείς λίστες κατάταξης ABS και CNRS, έχουν αναπτυχθεί σε συνεργασία με τράπεζες, συστήματα παρακολούθησης της  χρηματοοικονομικής ευπάθειας (financial vulnerability) των δανειοληπτών, λαμβάνοντας υπόψη τόσο μεταβολές του εξωτερικού οικονομικού περιβάλλοντος όσο και συμπεριφοριακά στοιχεία (behavioral elements) ώστε να προληφθεί, κατά το δυνατόν, η δημιουργία νέων NPLs. Παράλληλα αναπτύσσονται εργαλεία  πρόληψης και εκτίμησης δυνατότητας αποπληρωμής προβληματικών δανείων με έμφαση  στο ρόλο που διαδραματίζουν και οι ανθρώπινες συμπεριφορές στην λήψη αποφάσεων σε θέματα δανείων/αποπληρωμής (συμπεριφορική χρηματοοικονομική – behavioural finance).
Οι προσεγγίσεις και τεχνικές που έχουν αναπτυχθεί καλύπτουν όλα τα στάδια της διαδικασίας ανάλυσης του πιστωτικού κινδύνου. Τα στάδια αυτά περιλαμβάνουν θέματα όπως: (α) τη συλλογή και προεπεξεργασία των αναγκαίων δεδομένων (διαδικασίες δειγματοληψίας, επιλογή μεταβλητών, διαδικασίες ελέγχου της ποιότητας των δεδομένων, κά.), (β) την ανάπτυξη αναλυτικών μοντέλων εκτίμησης του πιστωτικού κινδύνου μέσω στατιστικών και μη παραμετρικών τεχνικών (πολυκριτήρια ανάλυση, εργαλεία βελτιστοποίησης, τεχνητή νοημοσύνη) σε γενικό επίπεδο αλλά και για εξειδικευμένες κατηγορίες επιχειρήσεων και πελατών (κλαδικά επιχειρηματικά μοντέλα, μοντέλα για ΜΜΕ, καταναλωτική πίστη κ.λπ.) και (γ) τον έλεγχο της προβλεπτικής ικανότητας των μοντέλων μέσω στατιστικών και οικονομικών μέτρων απόδοσης.
Επιπλέον, οι μεθοδολογίες που έχουν αναπτυχθεί μπορούν να χρησιμοποιηθούν και για εκτίμηση της ζημίας  σε περίπτωση αθέτησης (loss given default, LGD). Η εκτίμηση του LGD αποτελεί βασικό στοιχείο της διαχείρισης κινδύνων για χαρτοφυλάκια χορηγήσεων καθώς σε συνδυασμό με μοντέλα εκτίμησης του κινδύνου αθέτησης, παρέχει τη δυνατότητα ορισμού ορίων για τις κεφαλαιακές ανάγκες των χρηματοπιστωτικών ιδρυμάτων. Έτσι διαμορφώνεται μια ολοκληρωμένη προσέγγιση, η οποία ανταποκρίνεται πλήρως στις ρυθμιστικές απαιτήσεις (κανόνες Βασιλείας ΙΙ και ΙΙΙ). Ταυτόχρονα, μια τέτοια ολοκληρωμένη προσέγγιση επιτρέπει την υλοποίηση αξιόπιστων προσομοιώσεων ακραίων καταστάσεων (stress testing) σε χαρτοφυλάκια χορηγήσεων με στόχο την ακριβή εκτίμηση των ζημιών που μπορεί να αντιμετωπίσει ένα χρηματοπιστωτικό ίδρυμα σε ακραίες συνθήκες.