1 / 20

แบบจำลอง CREDIT SCORING MODEL ผลการวิเคราะห์เบื้องต้นของลูกค้านิติบุคคลของ บสย.

แบบจำลอง CREDIT SCORING MODEL ผลการวิเคราะห์เบื้องต้นของลูกค้านิติบุคคลของ บสย. ประวิทย์ โรจน์กังสดาล บรรษัทประกันสินเชื่ออุตสาหกรรมขนาดย่อม. หลักการและเหตุผล.

fulton-fernandez
Télécharger la présentation

แบบจำลอง CREDIT SCORING MODEL ผลการวิเคราะห์เบื้องต้นของลูกค้านิติบุคคลของ บสย.

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. แบบจำลอง CREDIT SCORING MODELผลการวิเคราะห์เบื้องต้นของลูกค้านิติบุคคลของ บสย. ประวิทย์ โรจน์กังสดาล บรรษัทประกันสินเชื่ออุตสาหกรรมขนาดย่อม

  2. หลักการและเหตุผล ธุรกิจหลัก (Core Business) ของ บสย. เป็นธุรกิจการค้ำประกันสินเชื่ออุตสาหกรรมขนาดย่อมที่สถาบันการเงินผู้ปล่อยกู้ มาขอรับบริการ ดังนั้นความเสี่ยงหลักของ บสย. คือความเสี่ยงทางด้านเครดิต ซึ่งต้องมีความรอบคอบ และถูกต้องแม่นยำในการวิเคราะห์สินเชื่อเพื่อที่จะลดความเสี่ยงดังกล่าว ด้วยเหตุนี้ การพัฒนาเครื่องมือในการคัดกรองลูกค้าโดยเฉพาะอย่างยิ่ง Credit Scoring Model จึงเป็นแนวทางหนึ่งที่สำคัญในการที่จะเพิ่มศักยภาพขององค์กร โครงการนี้เป็นโครงการนำร่องซึ่งพิจารณาเพียงลูกค้านิติบุคคล ซึ่งอาจยังมีข้อจำกัดบ้างเช่นเป็นการใช้ข้อมูลกลุ่มเดียว และตัวแปรสำคัญบางตัวอาจถูกละเลยใน Phase นี้ เพราะกำลังเตรียม Database เพิ่มเติม

  3. แนวความคิดของแบบจำลอง ปัจจัยเสี่ยง ลูกค้า SME ผู้ขอกู้ Credit Risk (บสย) ข้อมูลลูกค้า สง. เลือกก่อน เหลือจึงส่ง สถาบันการเงินผู้ให้กู้

  4. แนวความคิดของแบบจำลอง SBCG Model 5Cs Plus 5Cs ลูกค้า SME ผู้ขอกู้ Bank สถาบันการเงินผู้ให้กู้

  5. 5C’s Plus คืออะไร 5 C’s เป็นหลักการทั่วไปของการวิเคราะห์เครดิต ซึ่งเป็นแนวทางที่ บสย.จะใช้ในการวิเคราะห์ลูกค้าด้วยเช่นกัน แต่เนื่องด้วย ลูกค้าของ บสย. ได้ผ่านการคัดกรองจาก Originating Banks มาแล้ว ดังนั้นการวิเคราะห์จึงต้องพิจารณาปัจจัยด้านสถาบันการเงินร่วมด้วย • Bank • Character • Capacity • Capital • Collateral • Condition

  6. ตัวแบบจำลอง Logit/Probit Discriminant Analysis Credit Scoring Model Linear Probability Model

  7. ทางเลือกของเทคนิคและเหตุผลการเลือก LPM • Logit / Probit Model • Discriminant Analysis • Linear Probability Model (LPM) • อื่นๆ

  8. ตัวแบบจำลอง • Y = a0 + a1 Character + a2 Capacity + a3 Capital + a4 Condition • + a5 Collateral + a6 Originating_Bank • สังเกตว่า Y = 0 (Solvency) หรือ 1 (Default) • ดังนั้น E{Y | 5Cs, Originating_Bank } • = Default Probability conditioned on Information from 5Cs and • Originating Bank Variables

  9. ข้อมูลที่ใช้ในการประมวลผลข้อมูลที่ใช้ในการประมวลผล • ช่วงข้อมูลที่ใช้ในการประมวลผล : ข้อมูลปี 2547-2548 • จำนวนข้อมูล Observations ที่ใช้ประมวลผลสุทธิ 620 ราย • ข้อมูลที่ใช้เป็นข้อมูลนิติบุคคล

  10. ตัวแปรที่ใช้ในการประมวลผล ตามแนวทาง 5C’s Plus Bank, Control Variables กลุ่มธนาคารผู้ให้สินเชื่อ Character Variables ระยะเวลาในการดำเนินธุรกิจ จำนวนการจ้างงาน ทรัพย์สินถาวร

  11. ตัวแปรที่ใช้ในการประมวลผล ตามแนวทาง 5C’s Plus Capacity Variables ประสบการณ์ทางตรงของผู้บริหาร เพศของผู้บริหารหลัก การเปลี่ยนแปลงของกำไรต่อสินทรัพย์ ยอดรวมเงินกู้ต่อมูลค่าสินทรัพย์

  12. ตัวแปรที่ใช้ในการประมวลผล ตามแนวทาง 5C’s Plus Capital Variables สัดส่วนการลงทุนของผู้บริหาร Condition Variables วัตถุประสงค์การกู้ Collateral Variables สัดส่วนของมูลค่าที่ดินนอก โครงการต่อยอดรวมเงินกู้

  13. ตัวแปรเชิงคุณภาพ • เกรดสถานะของลูกค้า [เกรด A และ B = Non-NPL(0) : เกรด C, D, E = NPL(1)] • ธนาคาร [ กลุ่ม 0 = กลุ่มที่ต้องตรวจสอบอย่างเคร่งครัด] [ กลุ่ม 1 = กลุ่มที่ต้องตรวจสอบปกติ] • เพศของผู้บริหารหลัก [ กลุ่ม 0 = เพศชาย] [ กลุ่ม 1 = เพศหญิง] • วัตถุประสงค์การกู้ [ กลุ่ม 0 = เพื่อการลงทุนในสินทรัพย์ถาวร] [ กลุ่ม 1 = เพื่อเป็นเงินทุนหมุนเวียน เพื่อการทำ Refinance หรือวัตถุประสงค์อื่น]

  14. การอภิปรายเรื่องเครื่องหมายตัวแปรการอภิปรายเรื่องเครื่องหมายตัวแปร

  15. ผลการวิเคราะห์

  16. สรุปตัวแบบจำลอง • Y = 0.127178 + 0.028902D1Bank2 - 0.00251Period + 0.027434PrincipleSex • -0.0018PrinDirectExperience - 0.00041LoanPerAsset -2.9E-05ProfitChangePerAsset • + 0.115518PrincipleInvestmentRatio + 0.053008DObjective2 • - 0.05668Collateral_LandOutProjectPerLoanAmount -0.0064LnAsset

  17. การอภิปรายผลลัพธ์ • 1. ความมีนัยสำคัญของค่าสัมประสิทธิ์ • ค่อนข้างน้อยตัว ซึ่งอาจมาจากข้อมูลมี Noise มาก หรือ จำนวนข้อมูลที่น้อยเกินไป • 2. เครื่องหมายของสัมประสิทธิ์ของตัวแปรที่สำคัญและน่าสนใจ • กลุ่มธนาคาร • เพศ • วัตถุประสงค์ของการกู้ • สัดส่วนการลงทุนของผู้บริหาร • ขนาดของกิจการผู้กู้

  18. สรุป และแนวทางการพัฒนาในอนาคต • PD สามารถพยากรณ์ได้ แต่ต้องมีการดำเนินการดังนี้- ทดสอบ Model Validation- การทำ Probability Mapping • ตัวแปรบางตัวใน Textbook สำหรับนิติบุคคล เช่น DE Ratio อัตรากำไร ไม่มีนัยสำคัญ

  19. ตัวแปรจำลองซึ่งใช้ตัวแปรตามใน Textbook

  20. สรุป และแนวทางการพัฒนาในอนาคต • การใช้งาน - ด้วยธุรกรรมของ บสย. ซึ่งจะต้องได้รับความเสี่ยงจากการเข้าไปค้ำประกัน SME ในกรณีที่ขาดหลักประกันดังนั้นจึงจำเป็นที่จะต้องมีเครื่องมือเพื่อสนับสนุนการคัดกรองลูกค้าเพื่อให้เกิดประโยชน์สูงสุดในการพิจารณาค้ำประกัน - สำหรับผลการวิเคราะห์ซึ่งพบว่าสถาบันการเงินที่ดีกลับมีแนวโน้มที่จะทำให้เกิด NPL มาก แสดงให้เห็นถึงการระบุ Loan Quality ได้แม่นยำ จึงทำให้ส่งลูกค้าที่ต้องการให้ค้ำประกันมากที่สุดมาให้แก่ บสย. ซึ่งจะเป็นประโยชน์แก่ สถาบันการเงิน และผู้กู้ เนื่องจากค่าธรรมเนียมการกู้ซึ่งกำหนดไว้เท่ากันสำหรับที่รายที่ขอค้ำประกัน อย่างไรก็ตามในอนาคต บสย.ได้มีการพัฒนาโครงการ Risk-Based Pricing และการบริหาร Loan Portfolios ด้วย Credit Risk Portfolio Model เพื่อให้เกิดศักยภาพในการทำธุรกรรมขององค์กรอย่างสูงที่สุด

More Related