Kredit işçilərində fraud halları və onların monitorinqi

 Müəllif: Samir Məstəliyev, Baş redaktor

Risklərin idarə olunması istiqaməti Azərbaycanda zaman keçdikcə dahada aktuallaşmağa başlayır. Bu prosesin katalizatoru qismində dünya maliyyə bazarlarında baş verən qeyri stabilliklər, həmçinin böhran dövründə Azərbaycanın tanınmış banklarından birinin likvidlik problemləri ilə üzləşməsi nəticəsində Mərkəzi Bank tərəfindən bütün banklarda Risklərin idarə olunması departamentlərinin daha əsaslı təşkil olunması şərti olmuşdur. Buda öz növbəsində bank biznesinin nüvəsini təşkil edən Kreditləşmə prosesində daha çox fokuslaşma ilə nəticələndi. Çünki bu zəncirvari proses üzərində idarəetmə itirildikdə bank böyük itikilərlə üzləşə bilər (Digər risklərlə bağlı rubrikamızda ayrıca məqalələr olacaqdır)

samir_mastaliyev.Kredit risklərinin idarə olunmasının şərti olaraq 2 forması mövcuddur:

  1. Risk baş verənə qədər olan proses – bu mərhələdə adətən risk hələki baş verməmiş hansısa tədbirin həyata keçirilməsi nəzərdə tutulur. Bank kredit defolta getməmişdən əvvəl buna hazır olmalı və bunun qarşısını almaq üçün qabaqlayıcı hər hansı bir tədbir həyata keçirməlidir. Buna misal olaraq scoring modellərinin işlənib hazırlanmasını göstərmək olar. Yəni       müştəri banka gəlir, bank müştərinin riskini qiymətləndirir və ona uyğun olaraq müştəriyə kredit ayırır. Bu mərhələdə Bank artıq xüsusi yollar vasitəsi ilə öz risk iştahasını (risk appetite) və həmçinin potensial risklərin həcmini müəyyənləşdirilməlidir. Bu 2 istiqamət müxtəlif riyazi və nəzəri metodlar vasitəsi ilə qiymətləndirilə bilər. Bu istiqamətlərin hərəsi haqqında saytımızda ayrıca məqalə şəklində danışacağıq.
  2. Risk artıq baş verdikdən sonra gedən proses. Bu mərhələdə artıq bank baş vermiş risklərin həlli istiqamətində tədbirlər planı ilə məşğul olmalıdır. Eyni zamanda, güclü risk menecement şöbəsi olan banklar fürsətdən istifadə edərək bu tip defolt hadisələrinin toplusun yığaraq onların üzrəindən xüsusi modellər qururlar ki buda həmən modellərdən gələcəkdə bu tip itkilərin olmaması ilə bağlı daha dəqiq cavabların alınmasına gətirib çıxarır.

Bundan əlavə Əməliyyat , Bazar, Faiz riskləri, İT riskləri və s. kimi risləridə göstərmək olar. Lakin adətən bu riskləri müxtəlif qrup şəklində ümumiləşdirirlər. Ən geniş yayılmış qruplaşma Bazel komitəsinin klassifikasiyasıdır (Basel II). Bu qruplaşma həmçinin GARP (Global Assosiation of Risk Professionals) kimi təşkilatlar tərəfindən dəstəklənən variantdır.

Qruplaşdırma aşağıdakı kimidir:

  • Kredit riskləri
  • Bazar riskləri
  • Əməliyyat riskləri .

Bölməni Kredit risklərində Fraud hallarına baxılmasından başlayacağıq. Qeyd edək ki , digər tip risklərədə zaman keçdikcə hər birinə ayrılıqda baxılacaq – onların praktikada tətbiqi ilə tanış olacağıq.

Hazırda Azərbaycan kreditləşmə bazarında canlanma tendensiyasını nəzərə alaraq kredit risklərində baş verə biləcək fraud hallarının ilkin mərhələdə aşkarlanması proseslərindən sadəsinə baxaq.

Bu metod primitiv formada olmasına baxmayaraq, böyük həcmli informasiya axını olan zaman kifayət qədər faydalı alətdir. Böyük informasiya axımı dedikdə ilk növbədə bankda ay ərzində verilən kreditlərin sayı nəzərdə tutulur.

Modelin mahiyyəti

Bu model qısa şəkildə desək , 1 ay ərzində kredit işçisinin fraud etmə ehtimalını göstərir. Adətən kredit işçisi fraud etdikdə onun ya porfelində sıçrayış ( normadan kənar) və ya 30 gündən yuxarı gecikmələrində artım olur ( PAR>30). Risk menecerin qarşısında duran əsas vəzifələrdən biridə bu halların qarşısını vaxtında almaqdır , əks halda problemlər dərinləşdikcə onların həlli çətinləşir , əlavə olaraq 1 kredit işçisinin fraud-a etməsi və bunun nəticəsində yüksək gəlir əldə etməsi , digər kredit işçilərinidə bu istiqamətdə fraud hallarına sövq edə bilər.

Hər ayın sonu qeyd etdiyimiz 2 indikator üzrə (disbursement və PAR30) məlumatları kredit işçiləri üzrə Excel fayla yüklənməlidir. Yaxşı olardıkı Excel faylın içində hər filial üçün ayrıca Sheet açılsınki sonrada monitorinq zamanı trendlər aydın görsənsin.

Ay sonunda , məlumatlar yükləndikdən sonra – monitorinqin nəticələrinə əsasən şübhəli bildiyiniz kredit işçiləri müəyyənləşdirin. Adətən müxtəlif banklarda prosedur fərqli ola bilər, lakin çoxunda bu tip müştəriləri rəsmi olaraq Audit şöbəsinə ötürmək lazımdırki onlar həmən kredit işçiləri ilə bağlı öz araşdırmalarını aparıb həmən kredit işçisinin həqiqətənmi fraud etdiyini ortaya qoysunlar(filiala və müştərilərə səfər etməklə, kredit sənədlərinin yoxlanması ilə və s.).

Faylın birinci bölməsində bütün məlumatlar kredit işçilərinə uyğun əlavə olunur. İkinci bölümdə, yəni Analysis Filial 1 sheet-ində təşkilatın risk şöbəsinin strategiyasına uyğun tərtib etmək mümükündür. Burada misal üçün aşağıdakı məlumatlar faydalı ola bilər:

  • Kredit işçilərinin tarixi məlumatları analiz olunduqdan sonra onların artım tempi müəyyənləşdirilir və hər bir dama üçün bu norma tətbiq olunur, qrafikdə gözə çarpacaq hər hansı bir dəyişiklik olmadıqda həmən nisbətlər (ratios ) bu haqqda əlavə informasiya verməlidir
  • Standard deviation faktorundan istifadə etməklə kənarlaşma etmiş kredit işçilərinin adlarını müəyyən edilir və onların üzərində konsentrasiya olunmaq. Bununla yanaşı bu istiqamətdə daha real nəticələr almaq üçün Linear Regression (xətti reqressiya) metodundan istifadə edilə bilər. Bu metod gələcək dövrlər üçün kredit işçisinin artım tempini təyin etməyə və normadan kənarlaşmanı düzgün qiymətləndirməyə imkan verir.

Analysis Filial bölümündə olan qrafilərdə artım və azalmaların tempini rahat şəkildə qiymətləndirmək üçün Excelin aşağıdakı funksiyasından istifadə etmək daha məqsədə uyğundur

 Qeyd edək ki bu “xətti” hər bir kredit işçisi üçün ayrılıqda qoymaq gərəkdir.

Analysis bölməsində Ratios (disbursement) və Ratios (PAR>30) bölmələrində biz əsasən kənarlaşmaların məbləğlə ifadəsinin monitorinqi aparılır. Burada o fərqi yaxşı görməkdən ötəri Standard deviation deyilən statistik faktordan istifadə edilir. Mahiyyəti isə çox sadədir, il ərzində verilmiş çoxluqda olan fərqlərin orta göstəricisini göstərir. Bu isə öz növbəsində bizə hansı kredit işçisinin orta göstəricisindən kənarlaşmasını tapmağa imkan verir. Misal üçün kredit işçisi 5-ci ayda verdiyi kredit porfeli üzrə standart deviation 50 000 AZN-dirsə, və altıncı ay bu rəqəm birdən birə 70 000 AZN olursa – bu dərhal sizin diqqətinizi çəkməlidir və həmən kredit işçisi üzərində daha detallı analiz aparmanızı tələb edir. Eyni prinsip Ratios PAR>30 bölməsindədə tətbiq edilmişdir.

Qeyd etməliyik ki, Standart deviationin həcmi bir bankdan digərinə nisbətən fərqli olduğuna görə həmən rəqəmləri Risk menecer öz bankına uyğun təyin etməlidir. Çünki Azərbaycanda fəaliyyət göstərən kredit institutlarının aylıq kredit buraxılışları bir birindən kəskin fərqlənir, buna görədə orta rəqəm təklif etmək qeyri mümkündür. Bu səbəbdən modeli mənimsədikdən sonra Risk menecer departament daxili limitləri müəyyən etməli və ona uyğun olaraq fraud hallarına reaksiya verməlidir.


Kredit müraciəti

Sizin müraciətiniz banka göndərildi.