С развитием банковской сферы в нашей стране, практически каждый гражданин хоть однажды обращался в кредитные организации за займом, поэтому процедура оформления кредитной сделки знакома многим. При подаче заявки, кредитный специалист оценивает платежеспособность потенциального клиента путем метода финансового скоринга. В этой статье мы ответим на вопрос: «Скоринг, что это такое и какие особенности имеет процедура подсчета очков?
Получение прибыли банка напрямую зависит с качеством кредитного портфеля. Чем меньше финансовых рисков, тем большая вероятность быстрого возврата заемных средств с дополнительной прибылью от уплаты процентов. Именно поэтому, рассматривая заявки на выдачу ссуды, банк проводит скрупулезную проверку потенциальных клиентов, анализируя возможные финансовые риски.
Дословно, в переводе с английского языка, «скоринг» означает «подсчет очков». Какие именно очки считают финансовые аналитики и для чего им это нужно?
Скоринг – это целая система распределения базы клиентов на основании статистических данных. Это своеобразный финансовый помощник в определении потенциальной платёжеспособности клиента и оперативного оценивания, который сегодня широко применяется в банковской сфере.
Система подсчета баллов для анализа используется для автоматической обработки данных заемщика, на основании которых выставляет общая оценка по клиенту. Простыми словами, это своеобразный тест, который проходит каждый клиент при подаче заявки. Каждый ответ приносит определенное количество балов по шкале возможных рисков.
Существует допустимое количество баллов, которое переводит клиент из зоны риска и автоматически определяет его потенциальную платежеспособность. Соответственно, не набрав нужного количества баллов, сложно рассчитывать на положительное решение. В некоторых случаях, банки могут проявить лояльность и предложить меньшую сумму займа при низких баллах скоринговой оценки.
При заявке на большую сумму займа (например, автокредит или ипотека), скоринговая оценка будет выступать в качестве дополнительного инструмента оценивания возможных рисков. Решение же будет приниматься на основании многих факторов.
Следует понимать, что процедура оценивания клиента программой – это строго конфиденциальная информация и принцип ее действия сотрудники банка не раскрывают. Как правило, клиенту выдается сухая информация в виде отказа либо одобрения займа, а вот технические нюансы алгоритма клиент знать не должен.
Специалисты утверждают, что за каждый ответ программа начисляет определённые баллы, при чем не так легко заранее просчитать механизм действия ответов на конечный результат скоринга.
Стандартно, чем больше баллов клиент набирает, тем больший шанс получить положительный ответ по заявке. Однако, у каждого банка действует своя собственная процедура оценивания финансовых рисков и сказать, что скоринговая оценка – это типичный калькулятор баллов, было бы не верно.
Это сложнейший математический алгоритм, который может делать выводы на основании обработанных данных, производить анализ социальных факторов по уже сущетвующей клиентской базе за несколько лет.
Например, скоринговая программа может обработать данные о неплательщиках или должниках за последние 3-5 лет и выявить типичные социальные, возрастные или поведенческие факторы. На основании этих данных, будет заложена корректировка оценки и при анализе следующих клиентов, программа будет учитывать эти новые факторы.
Допустим, в базе данных конкретного банка, есть 10 должников со схожими признаками. При обращении нового клиента с похожим признаком его автоматически будет здесь ждать отказ. Но это вовсе не означает, что такой же результат он получит и в другом банке. Как уже говорилось выше, у каждого банка существует своя собственная скоринговая оценка.
Справедливости ради следует заметить, что скоринговая оценка не является идеальной программой анализа финансовых рисков, по мнению экспертов.
Так, например, широко известны случаи, когда клиентам, которые обращались в банк за кредитом на телевизор, был дан отказ. При этом спустя три месяца, банк одобрял авто кредит этим же самым клиентам. Парадокс? Не совсем.
Дело в том, что программа при первом обращении анализировала всех заемщиков, взявших кредит в пределах 10-30 тысяч рублей. И клиент мог попасть в зону риска по определенным поведенческим факторам. А по кредиту на большую сумму денег для авто, программа учитывала уже другую группу лиц, которая исправно выплачивает займ банку.
В соответствии с задачами, которые поставлены перед программой, скоринг подразделяют на:
Методика оценивания клиента проводится на основании социальных признаков, которые характеризуют заемщика. При этом ключевым моментом такого оценивания является автоматизация процесса и исключение участия человеческого фактора в процессе оценивания.
Если после занесения всех ответов в программу, кредитный специалист отвечает, что скоринг пройден, это означает, что основная часть аналитической проверки пройдена. Далее заявка физического лица уходит в службу безопасности, где специалисты банка проверяют клиента уже по своему ряду критериев.
Проведение скоринговой оценки позволяет полностью исключить человеческий фактор. Это может быть предвзятое отношение специалиста к определенному клиенту, либо, напротив, чересчур лояльное отношение и намеренное укрытие некоторых факторов, которые указывают на повышенный финансовый риск для банка.
Информация, на основании которой происходит скоринговой анализ, берется из документов и не может быть искажена. В тех случаях, когда информация заносится со слов клиента, кредитный скоринг имеет меньшую эффективность при определении рисков.
Кредитный риск для банка – это возможная финансовая потеря вследствие невыполнения заемщиком взятых на себя обязательств. Причины могут быть самые разные: просроченные платежи, отказ от выплаты кредита и т.д. В этом случае скоринговая оценка является эффективным финансовым инструментом, который в комплексе с изучением кредитной истории позволит максимально точно определить потенциальную платежеспособность клиента.
В стандартный список вопросов входят следующие:
Также следует учитывать, что банковский работник при заполнении анкеты проводит визуальную оценку наряду со скорингом.
У специалиста есть подробная инструкция по определению платежеспособности клиента, куда входит анализ внешнего вида, речи клиента, соответствие поведения и указанной должности в анкете. Производя визуальную оценку потенциального заемщика, его речь, скорость ответа, поведение, кредитный консультант может добавить комментарий к заявке с примечанием отказать в кредите. При этом документы у клиента могут быть в порядке.
Чтобы повысить шансы на получение займа, отвечать нужно максимально точно и, без лишних раздумий, так как все это фиксируется экспертом в анкете и отправляется на проверку аналитику.
Недоверие может вызвать алкогольное опьянение, медленные запутанные ответы, незнание простой информации (телефон, рабочий адрес и т.д.), эмоциональная неустойчивость, несоответствие внешнего вида с указанным в анкете ежемесячным доходом и т.д.
Как видите, у банка есть очень много критериев проверки клиентов, среди которых, безусловно, большое внимание занимает кредитная история и финансовый скоринг.
Алгоритм финансового скоринга достаточно сложен и учитывает множество факторов при выставлении общей оценки финансовых рисков.
У каждого банка существует свой собственный алгоритм проверки платежеспособности клиента и дисциплинированности относительно выплаты кредита.
Стандартно, рассматриваются следующие вопросы:
Заключительным этапом финансового скоринга, является проверка кредитной истории.
При положительной истории, клиент может смело рассчитывать на одобрение займа. Но это вовсе не означает, что банк даст согласие на кредит любой суммы. Положительная история гарантирует лишь факт одобрения банком займа, а вот размер суммы будет зависеть от дохода и потенциальной платежеспособности клиента.
Где банки берут информацию и как эти данные отражаются на принятии решения? Для упорядочивания работы с бюро кредитных историй и с целью создания единой базы данных, был создан государственный реестр бюро кредитных историй. Этот реестр находится в ведомстве Центрального Банка РФ и имеет все полномочия собирать и аккумулировать данные о выданных кредитах физических и юридических лиц.
У РБКИ находится наиболее полная и актуальная информация по всем клиентам, которая постоянно добавляется и обновляется. Каждый банк самостоятельно для себя определяет алгоритм фильтрации клиентов с «плохой» кредитной историей.
Подводя итог, следует сказать, что, несмотря на очевидные недостатки программы, скоринговая оценка клиента является эффективным инструментом для банка, позволяющим максимально снизить финансовые риски.
Как уже отмечалось, для построения модели оценки кредитного риска необходим некий набор переменных, к которым предъявляется следующее требование - выбранные переменные должны влиять на кредитоспособность заемщика и «сила» такого влияния не должна быстро изменяться с течением времени. Говоря другими словами, скоринговая оценка основывается на гипотезе, что кредитному качеству заемщика можно сопоставить одно число и что выявленная зависимость указанного числа от факторов риска кредитоспособности стационарна. Сама суть скоринговой системы достаточно проста, но за внешней простотой скоринга скрывается ряд “подводных камней”.
Первый “подводный камень” скоринга - это сложность в определении, какие характеристики следует включать в модель, и какие весовые коэффициенты должны им соответствовать. Именно от выбора исходных данных в большей степени зависит качество итоговой оценки и, в конечном счете, эффективность оценки риска и доходность кредитного портфеля. К этой проблеме имеется несколько подходов, классическим подходом является, безусловно, обучающая выборка компаний-клиентов, о которых уже известно, хорошими заемщиками они себя зарекомендовали или нет. Помимо этого, предъявляются определенные требования и к размеру выборки - он должен быть адекватным сложности создаваемой модели. В большинстве моделей, которые обсуждаются в литературе, это требование выполняется лишь частично. Например, в широко известной модели Альтмана, которая оценивает кредитоспособность крупных заемщиков, количественный состав обучающей выборки был явно мал - всего 22 переменные. В целом, размер выборки не является проблемой в западных странах, однако в нашей стране для разработки действительно эффективной системы нужны исторические данные по выданным кредитам, что является проблемой для многих российских банков. Для этого банкам нужно выдать кредиты, оценить, какая часть из них является «хорошей», а какая «плохой» (кредиты не были возвращены) и только после этого банк может приступить к созданию системы скоринга. В этих условиях значимость информации, сохраняемой в БКИ, существенно возрастает. В силу сказанного можно сделать однозначный вывод: от применения “готовых” западных систем к нашим заемщикам нет никаких оснований ожидать повышения эффективности кредитного портфеля.
Как происходит оценка риска невозврата кредитов потенциальными заемщиками? Рассмотрим процедуру оценки на примере юридических лиц. Основная идея заключается в том, что в качестве “характеристик” потенциального заемщика в пространство исходных факторов должны быть включены такие параметры, которые присутствуют у любого юридического лица. Отсюда и делается, казалось бы, вполне логичный вывод - такие параметры есть, и это финансовые индикаторы. Вот второй “подводный камень”: так как по своей сути финансовые индикаторы отражают характеристики потоков денежных средств предприятия и вычисляются на основе данных отчетности, то они достаточно сильно коррелированны, то есть взаимосвязаны между собой. А коррелированность пространства факторов риска не может не сказаться на качестве итоговой оценки, причем, естественно, в худшую сторону, так как размерность пространства просто уменьшается - из множества финансовых коэффициентов можно составить всего несколько агрегированных параметров, которые и будут “настоящими” входными данными скоринговой системы.
В качестве примера, подтверждающего наличие указанной нами проблемы можно привести довольно интересное исследование финских авторов, проведенное после банковского кризиса в Финляндии в 1992 году - “Choosing Bankruptcy Predictors Using Discriminant Analysis, LOGIT Analysis and Genetic Algorithms”, в котором на основе трех методов, используемых в качестве математического аппарата в скоринговых системах, по известным финансовым коэффициентам 37 финских компаний-банкротов был проведен выбор наиболее значимых параметров для данного типа анализа (приложение 2) Скажи, кто твой заемщик, и я скажу кто ты. 08.10.2003:
Данный пример показывает, что из финансовых коэффициентов, количество которых составляет 31 по каждой из 37 компаний-банкротов, достаточно четко можно выделить всего 7 агрегированных факторов, то есть пространство входных данных, из-за взаимосвязанности финансовых коэффициентов между собой, не 31-мерное, а лишь 7-мерное (приложение 2, табл.2).
А теперь обратим внимание на следующий “подводный камень”, который затрудняет процесс создания скоринговых моделей: Как можно заметить из таблицы 4.1., само количество значимых параметров, и, естественно, их веса, непостоянно и меняется от периода к периоду.
Таким образом, модель скоринга с фиксированным количеством параметров не может быть постоянно максимально эффективной в динамике. Причиной этого является тот факт, что за разные временные отрезки до банкротства для описания кредитоспособности заемщиков необходимо разное количество факторов риска.
Таблица 4.1
Выбор значимых переменных для предсказания банкротств и динамика модели
Более того, состав этих факторов изменяется от года к году, что делает крайне затруднительным сбор статистической информации для создания моделей скоринга. Фактически, полученные финскими исследователями данные указывают на необходимость сбора и накопления максимально широкого состава данных, которые потенциально могут быть полезными для моделирования кредитоспособности заемщиков. Естественно, все вышеперечисленные “подводные камни” влияют, прежде всего, на точность итоговой оценки. В вышеупомянутой публикации точность итоговой оценки для моделей скоринговых систем, построенных с применением разных методов, проверялась на той же самой выборке, на которой система и “обучалась”, что делать категорически нельзя, потому что на такой выборке ошибок быть практически и не должно. Однако проверка точности скоринговых оценок, полученных при помощи двух применяемых методов, даже на этих данных показала наличие ошибочных оценок (от 2.7 % до 28.4 % случаев, см. табл. 4.2.).
Приведенные данные можно интерпретировать следующим образом: граница между «хорошими» и «плохими» заемщиками в пространстве факторов риска имеет сложную геометрию. Сложность этой границы определяет высокий уровень требований к используемым для обучения скоринговой модели данным (их составу и количеству), причем геометрия границы такова, что даже нелинейные методы классификации (генетические алгоритмы) дают значительный процент ошибок.
Таблица 4.2.
Точность скоринговых оценок
Безусловно, все перечисленные “подводные камни” сказались на результатах в полной мере. Хотелось бы еще раз подчеркнуть, что изначально целью скоринговой системы является только отнесение потенциального заемщика к одной из двух групп - “хороший” или “плохой”, и скоринг не ставит перед собой цель сравнивать заемщиков одной из этих групп между собой. Однако при неправильном выборе исходных факторов риска или при неучете значимых факторов мы вполне можем столкнуться с ситуацией, когда в пространстве итоговых оценок не выделяются две группы компаний (“хорошая” и “плохая”) или даже с ситуацией, когда выделяются три и больше групп.
На основании приведенных результатов можно сделать следующие выводы:
К тому же огромные ошибки в итоговых оценках дают право говорить о том, что для скоринга юридических лиц в качестве исходных данных одних только финансовых коэффициентов недостаточно.
Теоретически, для разработки действительно эффективной системы скоринга необходима значительная выборка компаний за несколько лет с уже известными результатами (вернули / не вернули кредит) и “обучение” системы на этой выборке, но в России подобной статистики пока просто не существует. Более того, говоря о значимости информации, сохраняемой в БКИ для создания национальных моделей скоринга нельзя не упомянуть о том, что крайне желательна регламентация той информации, которая собирается в бюро о заемщиках. Отсутствие стандартов на состав предоставляемой информации будет резко обеднять значимость самого закона в контексте скоринга.
В силу того, что на западе системы скоринга имеют уже солидную историю, логично было бы предположить, что их можно свободно применять в нашей стране, не создавая своих собственных. Однако внедрение западных систем в России существенно затруднено. У России есть свои особенности, связанные с нестабильностью экономики страны в целом, «перекосом» в развитии отраслей и межотраслевых связей, большой долей теневых доходов и др., что, соответственно, сказывается на параметрах отдельных потенциальных заемщиков.
Приведенные рассуждения относительно систем скоринга кредитоспособности юридических лиц применимы и для скоринговой оценки физических лиц. В частности, проиллюстрируем конкретным примером сложность использования западных систем скоринга в России (таблица 4.3.). Использование западных систем скоринга затруднено тем, что там одним из самых значимых показателей является возраст потенциального заемщика (для Великобритании, Франции и Германии): чем старше человек, тем его скоринг выше (он трактуется как надежный заемщик). Очевидна логика работы такой системы на Западе - проработавший всю жизнь человек успел накопить как средства, так и кредитную историю. У нас, с очевидностью, эта логика будет инвертированной: чем старше заемщик, тем его скоринг (кредитоспособность) ниже.
Таблица 4.3.
Сравнение показателей скоринга в разных странах для физических лиц
|
Великобритания |
Германия |
|
|
Количество детей/иждивенцев |
Количество детей/иждивенцев |
Цель кредита |
|
Профессия |
Квалификация |
Профессия |
|
Профессия супруга(и) |
Семейное положение |
Семейное положение |
|
Способность погашать задолженность |
Чистый годовой доход |
|
|
Доход супруга(и) |
Наличие обеспечения |
Участие клиента в финансировании сделки |
|
Район проживания |
||
|
Стоимость жилья |
Способ найма жилища |
Владение недвижимостью |
|
Наличие телефона |
Сфера занятости |
|
|
Сколько лет живет по данному адресу |
Наличное имущество |
|
|
Великобритания |
Германия |
|
|
Трудовая деятельность у последнего нанимателя |
Сколько лет работает на данной работе |
|
|
Сколько лет является клиентом данного банка |
Кредиты, полученные в банке ранее |
Срок кредита |
|
Наличие кредитной карточки/чековой книжки |
Информация кредитно-справочного бюро |
Сумма на банковском счете |
При анализе переменных, включенных в модели скоринга, и их сравнительной значимости, возникает масса и других вопросов (о значимости профессионализма заемщика, о его доходе, о длительности работы на одном месте и.т.д.). Веса этих переменных в западных моделях скоринга сильно отличаются от российских (на примере значимости возраста заемщика можно говорить, что меняется не только вес переменной, но и ее знак).
Еще одной из важных переменных для скорнга физических лиц являются доходы потенциальных заемщиков. В нашей стране, они часто не совпадают с реальными (рис. 4.1.) Черкашенко В.Н. Этот «загадочный» скоринг, Банковское дело, № 3, 2006. Таким образом, не имея достоверной информации и доходах, банки должны уметь оценивать, используя скоринг, соответствие заявленного дохода другим параметрам заявителя. Использование при скоринге заемщиков требований к доказательству своих доходов будет снижать привлекательность банковского кредита для заемщика и те из банков, которые на это пойдут, будут, скорее всего, терять часть своей клиентской базы.
Рис. 4.1.
Однако ситуация далеко не безнадежна, и учиться не на собственном печальном опыте, выдавая “плохие кредиты” и набирая статистику, все-таки можно. Скоринговая система должна “обучаться” на некоторой выборке, а если выборка мала, то можно использовать модели, эту выборку «размножающие» и/или имитирующие, исходя из имеющихся данных. В данном случае можно использовать опыт персонала банка, осуществляющего кредитование населения. Он позволяет сконструировать скоринговые модели, называемые экспертным скорингом. Для этого, во-первых, выявляются факторы риска, определяющие кредитоспособность. Во-вторых, на этих факторах риска необходимо сгенерировать выборку «искусственных» заемщиков. Эта выборка может быть предъявлена экспертам, которые превратят ее в обучающую выборку, классифицировав всех заемщиков на «плохих» и «хороших». После этого выборка может быть предъявлена программе скоринга для обучения. Понятно, что обучить систему также эффективно, как и на реальных данных, в те же сроки таким образом невозможно, однако данный подход, безусловно, будет гораздо эффективнее, чем “готовые” западные системы.
Более того, внедрение скоринговой методики оценки кредитоспособности заемщиков осложнено сильной дисперсностью наших регионов по условиям социально-экономического развития, система оценки риска будет различаться от региона к региону.
Для группировки регионов России Черкашенко В.Н. в статье «Этот «загадочный» скоринг» 35 были выбраны следующие экономические свойства: темп роста ВРП, отношение инвестиций в регионе к ВРП, объем основных фондов к ВРП, отношение занятого в экономике населения к общей численности населения, отношение экспорта из региона к ВРП, среднедушевые доходы. Эти характеристики, по мнению автора, определяют перспективность регионов для кредитования. Решение о группировке регионов по этим свойствам не является тривиальной задачей - пространство переменных шестимерно, так что «увидеть» структуру, имеющуюся в данных, не представляется возможным. Для решения данной задачи автором был использован метод, который гарантированно обеспечивает одно важнейшее свойство - использованный метод проецирует многомерные образы регионов на плоскость без нарушения свойств образов в исходном пространстве; близкие по используемым свойствам с исходном пространстве остаются близкими и на плоскости. Результаты такого анализа региональной неоднородности РФ приведены на рисунке (Рис. 4.2.).
Те регионы, показатели которых похожи находятся на двумерной карте рядом друг с другом, в соседних ячейках, и окрашены в один и тот же цвет. Как видно из приведенных результатов, регионы России распадаются на 8 групп, которые отличаются по своим свойствам. В контексте скоринговой оценки это означает, что для эффективного скоринга нам необходимо восемь моделей скоринга, структура которых может быть и одинаковой, но вот веса входящих в эти модели факторов риска должны обязательно отличаться.
Рис. 4.2.
В первую группу входят регионы, характеризующиеся высоким уровнем инвестиций, большой долей активного населения и высокими среднедушевыми доходами. Эффективность использования основных фондов там выше среднего. Это означает, что данный кластер привлекателен с точки зрения кредитования как населения, так и экономики.
Таким образом, прямой перенос какой-либо западной модели оценки кредитного скоринга на российскую почву, без основательной переделки, затруднен (фактически, надо создавать восемь новых моделей скоринга для выявленных групп регионов). Черкашенко В.Н. Этот «загадочный» скоринг // Банковское дело, № 3, 2006 г.
Подведем итог сказанному. Для построения скоринговой модели должно быть избыточное количество переменных - факторов, которые характеризуют заемщика. Причем со временем (при изменении макроэкономической ситуации, финансового состояния заемщика) меняется интерпретация данных, возрастает или напротив снижается значимость отдельных факторов. Значения этих факторов, заявляемые заемщиками, особенно по доходам, тоже вызывают сомнения. Поэтому скоринговая модель, учитывая данные факты, должна на основе имеющихся статистических данных уметь высчитывать реальные значения факторов.
Ключевые слова
БАНКИ / КРЕДИТ / КРЕДИТНЫЕ РИСКИ / СКОРИНГ / СКОРИНГОВЫЕ СИСТЕМЫ / КРЕДИТНЫЙ РЫНОК / BANKS / CREDIT / CREDIT RISKS / SCORING / SCORING SYSTEMS / CREDIT MARKETВ статье рассмотрен скоринг как инструмент управления кредитным риском , его основные характеристики, а также механизм его реализации и методов снижения просроченной задолженности. Кредитные организации имеют сложную многоуровневую систему рисков, всесторонняя и объективная оценка которых играет ключевую роль в обеспечении финансовой устойчивости каждой кредитной организации и стабильного развития банковской системы в целом. Скоринг заключается в определении совокупного кредитного балла заемщика в результате его оценки по ряду критериев. Существуют скоринговые модели, позволяющие оценивать кредитоспособность физических лиц, юридических лиц и субъектов малого бизнеса. Внедрение системы кредитного скоринга позволит банку получить то самое всеми желаемое конкурентное преимущество длительную выгоду применения создающей потребительскую ценность стратегии, основанной на уникальной комбинации внутрифирменных ресурсов и способностей. Устойчивое конкурентное преимущество дает возможность бизнесу поддерживать и улучшать свои конкурентные позиции на рынке и выживать в борьбе с конкурентами в течение длительного времени.
Кредитный скоринг как инструмент повышения качества банковского риск-менеджмента в современных условиях
2012 / Алёшин В. А., Рудаева О. О.Скоринг - модель оценки кредитного риска
2016 / Абдуллаев Анваржон ФархадовичОбзор методов кредитного скоринга
2017 / Кочеткова В.В., Ефремова К.Д.Кредитный скоринг как инструмент оценки кредитоспособности заемщиков
2012 / Никаненкова Виктория ВикторовнаСкоринговые модели как средство управления кредитными рисками в российских банках
2017 / Данилович Владислав Юрьевич, Курганская Галина СергеевнаСинергия скоринга и страхования как средство давления на риски кредитования физических лиц
2017 / Федорова Алёна Юрьевна, Харитонова Ксения ГеоргиевнаСовременные подходы к построению системы управления проблемными кредитами физических лиц в коммерческом банке
2014 / Заернюк Виктор Макарович, Анашкина Елена НиколаевнаПовышение качества взаимоотношений банка с клиентами-заемщиками на основе внедрения инновационных систем кредитного скоринга
2010 / Жамгарян К. А.Реинжиниринг бизнес-процесса кредитования и применение аппарата нечетких множеств для классификации заемщиков в задаче кредитного скоринга
2015 / Горлушкина Наталия Николаевна, Шин Екатерина ВладимировнаСкоринг при управлении кредитными рисками
2016 / Гасанов Оскар Сейфуллович, Таранов Ярослав РуслановичIn article scoring as the instrument of credit risk management, its main characteristics, and also the mechanism of its realization and methods of decrease in arrears is considered. The credit organizations have difficult multilevel system of risks, the comprehensive and which objective assessment plays a key role in ensuring financial stability of each credit organization and stable development of a banking system as a whole. Scoring consists in determination of cumulative credit point of the borrower as a result of his assessment on a number of criteria. There are the scoring models, allowing to estimate solvency of natural persons, legal entities and subjects of small business. Introduction of system of credit scoring will allow bank to get that all desirable competitive advantage long benefit of application of the strategy creating consumer value based on a unique combination of intra firm resources and abilities. Steady competitive advantage gives the chance to business to support and improve the competitive positions in the market and to survive in fight against competitors for a long time.
СКОРИНГОВЫЕ МОДЕЛИ ОЦЕНКИ КРЕДИТНОГО РИСКА
С. С. САМОЙЛОВА, М. А. КУРОЧКА
В статье рассмотрен скоринг как инструмент управления кредитным риском, его основные характеристики, а также механизм его реализации и методов снижения просроченной задолженности. Кредитные организации имеют сложную многоуровневую систему рисков, всесторонняя и объективная оценка которых играет ключевую роль в обеспечении финансовой устойчивости каждой кредитной организации и стабильного развития банковской системы в целом. Скоринг заключается в определении совокупного кредитного балла заемщика в результате его оценки по ряду критериев. Существуют скоринговые модели, позволяющие оценивать кредитоспособность физических лиц, юридических лиц и субъектов малого бизнеса. Внедрение системы кредитного скоринга позволит банку получить то самое всеми желаемое конкурентное преимущество - длительную выгоду применения создающей потребительскую ценность стратегии, основанной на уникальной комбинации внутрифирменных ресурсов и способностей. Устойчивое конкурентное преимущество дает возможность бизнесу поддерживать и улучшать свои конкурентные позиции на рынке и выживать в борьбе с конкурентами в течение длительного времени.
Ключевые слова: банки, кредит, кредитные риски, скоринг, скоринговые системы, кредитный рынок.
Кредитный риск представляет собой основной банковский риск, управление которым является ключевым фактором, определяющим эффективность деятельности банка. Обычно банки формируют значительную часть своих доходов за счет кредитной деятельности, поэтому особую актуальность представляет оценка потенциальной прибыли по отношению к вероятности непогашения кредита. В узком смысле кредитный риск определяется как существующий для кредитора риск невозврата кредитополучателем заимствованных средств.
В последнее время в нашей стране наблюдается интенсивный рост рынка кредитования и, в частности, сектора кредитования физических лиц. Это неизбежно приводит к увеличению кредитных рисков, которые принимают на себя как отдельные кредитно-финансовые институты, так и банковская система страны в целом. Рост рисков обуславливается одновременно расширением контингента заемщиков и увеличением объемов кредитования. В этой ситуации качество управления кредитными рисками в розничном кредитовании приобретает особую актуальность и становится одним из факторов повышения конкурентоспособности кредитного учреждения на рынке банковских услуг .
При выдаче кредита банк, прежде всего, интересует кредитоспособность потенциального заемщика, то есть способность полностью и в срок рас-
Сущность скоринга заключается в определении совокупного кредитного балла заемщика в результате его оценки по ряду критериев. Данные критерии имеют различные удельные веса и впоследствии агрегируются в интегральный показатель - совокупный кредитный балл. Величина кредитного лимита в скоринговых системах носит второстепенный характер и определяется исходя из уровня доходов заемщика. Интегральный показатель сравнивается с определенным числовым порогом, который представляет собой так называемую линию безубыточности для банка. Кредит выдается тем клиентам, интегральный показатель которых выше этой линии .
Оценка кредитоспособности с использованием скоринговых систем в большинстве случаев строится на не более чем 20 критериях, среди которых: уровень среднемесячного дохода, частота смены места работы, возраст, семейное положение, количество лиц, находящихся на иждивении, образование, наличие недвижимости и личного автомобиля и т. д.
Внедрение скоринговых систем имеет ряд преимуществ, к которым относят:
Возможность снижения издержек и минимизацию операционного риска за счет автоматизации принятия решения о выдаче кредита;
Сокращение времени обработки заявлений и предоставления ответа о выдаче или отказе в кредите;
Централизацию принятия кредитного решения и снижение влияния человеческого фактора при его принятии;
Выявление и предотвращение попыток мошенничества .
К недостаткам скоринга относится в первую очередь то, что оценка кредитоспособности возможных заемщиков проводится на основе имеющийся информации о предыдущих, выданных кредитах, а сведений, характеризующих возможное поведение соискателей кредита, которым в выдаче кредита, было отказано, не имеется представления. Также оценка заемщика с использованием скоринговой системе основывается не на оценке реального человека, а на основе имеющейся о нем информации, которую он же и сообщает, и клиент может представить о себе такие данные, которые позволят ему получить положительный результат при разрешении вопроса о выдаче ему кредита .
Кроме всего перечисленного, скоринговые системы нуждаются в постоянной доработке и обновлениях, так как по прошествии определенного времени происходит изменение социальных и экономических условий, условий кредитования, и самих людей. В странах запада разработка ско-ринговых моделей осуществляется раз в полтора-два года и во многом зависит от того, насколько стабильна экономика в этот период .
Существует несколько типов скоринга:
Скоринг кредитоспособности - оценка кредитоспособности заемщиков, используемая для принятия решения о предоставлении кредита;
Скоринг по прогнозу качества обслуживания долга клиентом - оценка уровня риска существующих заемщиков, позволяющая определить поведенческие особенности клиентов, проявляющие в качестве обслуживания долга;
Скоринг востребования - оценка способов работы с просроченной задолженностью и выбор из нескольких альтернативных наборов наиболее эффективного для последующего воздействия;
Скоринг по оценке вероятности мошенничества - реализующий оценку вероятности мошенничества клиента на основе совокупности признаков проводимой сделки .
На основе теоретических данных можно сказать, что развитие скоринга в России сдерживается тем, что в сравнении с западными мерками в нашей стране все еще низкие объемы кредитования и постоянно меняющиеся социальные и эко-
номические условия. Российские кредитные организации не имеют в наличии достаточной информации о клиентах для того, чтобы построить эффективные скоринговые системы, которые бы обеспечивали спрос на розничное кредитование и минимизировали риски банков. В этой ситуации кредитные организации могут воспользоваться двумя способами.
Первый - использование модели, разработанной за границей с обязательной адаптацией к российским условиям, что затратно и долго по времени.
Второй - отказ от использования моделей скоринга еще на первоначальном этапе и выдача кредита всем желающим на основе стандартной проверки, проводимой с целью накопления кредитной истории. После чего использовать полученные данные для разработки собственной ско-ринговой модели, которая будет эффективной, но и весьма дорогостоящей для банка .
Кроме скоринговых моделей, ориентированных на оценку кредитоспособности физических лиц, существуют скоринговые модели, позволяющие оценивать кредитоспособность юридических лиц и субъектов малого бизнеса.
Итак, выше мы подробно разобрали эффективную систему кредитного скоринга - такую, какой она должна быть в идеале. Естественно, что решение о внедрении такой системы дается банку нелегко. Причин такого нежелания множество: привычка работать «на глаз» и по «установившейся традиционной методике», вечная несвоевременность и кажущаяся сложность внедрения, и так далее. Да и зачем так сложно, когда есть табличка, «на коленке» составленная рисковиками, которая, пусть неидеально, но работает .
Действительно, большая часть отечественных банков уже пользуется некими простейшими подобиями скоринговых систем, позволяющими оценивать заемщика. В какой-то мере эти методики несколько упрощают работу кредитных специалистов. Но такие элементарные программы (около 90 % из них - таблицы характеристик заемщика, выполненные в MS Excel) имеют ряд недостатков, в связи с которыми их нельзя назвать «системами кредитного скоринга» в полном понимании этого слова. Вот некоторые из этих недостатков:
Децентрализованность системы оценки;
Сложность осуществления быстрых решений департамента риска кредитной организации -смена или корректировка методики оценки превращается в длительную процедуру для большого количества точек обслуживания;
Невозможность построения сложной стратегии принятия решения;
Скоринговые модели основаны на экспертных знаниях кредитных аналитиков банка, что ограничивает качество моделей и опосредованно сокращает клиентскую базу;
Возможность обмануть методику оценки -любой человек, имеющий определенные навыки, может «взломать» методику оценки и в дальнейшем «подстроиться» под «хорошего» заемщика. Это касается не только рисков мошенничества, но
Так же нужно отметить конкурентные преимущества. Постоянный рост конкуренции вынуждает многие компании вести все более ожесточенную борьбу за достойное место на рынке. Независимо от того, в какой области работает компания - бытовая электроника, пассажирские авиаперевозки или банковская деятельность, -ее руководству постоянно приходится задавать себе одно и тоже задание - достичь потенциальных конкурентных преимуществ. Для банков ответ на этот задание прост: либо предложить клиентам дополнительные услуги, либо радикально снизить цены. И в любом случае не обойтись без инновационных технологий работы. Несмотря на видимую простоту решения, далеко не все финансовые организации смогли его реализовать .
Внедрение системы кредитного скоринга позволит банку получить то самое всеми желаемое конкурентное преимущество - длительную выгоду приме-
и «помощи» заемщикам со стороны кредитных инспекторов (нельзя забывать, что эти, по большей части низкооплачиваемые сотрудники, стремятся к максимальному объему привлеченных кредитов, никак не отвечая за их возврат) .
Практический опыт внедрения систем кредитного скоринга в отечественных банках позволяет нам сравнить типовой подход к скорингу, рассмотренный выше, и применение полноценных систем кредитного скоринга. Такое сравнение по ключевым критериям приведено в таблице 1.
нения создающей потребительскую ценность стратегии, основанной на уникальной комбинации внутрифирменных ресурсов и способностей. Устойчивое конкурентное преимущество дает возможность бизнесу поддерживать и улучшать свои конкурентные позиции на рынке и выживать в борьбе с конкурентами в течение длительного времени .
Эффективная система кредитного скоринга позволяет банку:
Оперативно корректировать бизнес-модели розничного бизнеса;
Выйти первым на рынок с новым продуктом;
Обеспечить для розничного бизнеса банка гибкость и быстроту;
Быстро и безошибочно принимать стратегические решения;
Эффективно управлять накопленной информацией;
Таблица 1
Сравнение типового подхода и скоринга
Критерии Типовой подход к оценке заемщика Система кредитного скоринга
Первичная обработка кредитной заявки Основывается на экспертных знаниях кредитного специалиста Основывается на объективной информации из различных источников
Процесс оценки идентичных заявок Рассмотрение каждой заявки зависит от конкретного кредитного специалиста и субъективных факторов Идентичные заявки проходят идентичную процедуру оценки
Легкость восприятия «Уже используется», результаты ожидаемы Необходимы культурные перемены, готовность сотрудников к нововведениям
Процесс внедрения Длительное обучение и тренировка каждого кредитного специалиста. Наработка опыта и интуиции Не требует длительного обучения сотрудников. При внедрении необходим контроль со стороны кредитных специалистов высшего звена
Возможность ошибок, злоупотреблений и мошенничества Ошибки возможны в силу человеческого фактора. Злоупотребления и мошенничество возможны и распространены Злоупотребления возможны только на уровне высшего звена кредитных специалистов. Ошибки могут быть связаны с некачественными скоринговыми моделями. Мошенничество возможно, однако его вероятность заметно снижается
Гибкость При внедрении нового кредитного продукта необходима разработка новых инструкций и обучение персонала. Процесс длительный и мало поддающийся контролю При внедрении нового кредитного продукта необходимо создание новых скоринговых моделей и стратегий (или внесение изменений в уже имеющиеся). Процесс полностью контролируемый. Качество вновь созданных моделей (стратегий) может быть проверено без запуска в работу. Дополнительное обучение персонала не требуется
Строить и развивать бизнес, опираясь на точные данные и математический анализ .
Внедрение системы кредитного скоринга позволяет банку получить целый ряд преимуществ: начиная от снижения времени принятия решения по кредитной заявке и заканчивая оптимизацией бизнес-процессов в целом. Основным же преимуществом является снижение дефолтности кредитного портфеля банка за счет скорингового анализа и рей-тингования заемщиков.
Если кредитная организация правильно и адекватно использует кредитный скоринг, то получает эффективное конкурентное преимущество для поддержания и улучшения своих конкурентных позиций на рынке и выживания в борьбе с конкурентами в течение длительного времени.
Литература
1. Зобова Е. В., Самойлова С. С. Управление кредитным риском в коммерческих банках // Социально-экономические явления и процессы. Тамбов, 2012. № 12 (046). С. 74-81.
2. Коротаева Н. В. Проблемы и перспективы развития в России безналичных розничных платежей // Социально-экономические явления и процессы. Тамбов, 2012. № 12 (046).
3. Международная конвергенция измерения капитала и стандартов капитала: уточненные рамочные подходы (Базель 2). М., 2004.
4. О типичных банковских рисках: Указание оперативного характера Банка России № 70-Т от 23.06.2004. Доступ из справ.-правовой системы «Кон-сультантПлюс».
5. Пищулин А. Г. Система кредитного скоринга: необходимости и преимущества. 2011. URL: www.gaap.ru
6. Развитие финансовой системы в условиях модернизации экономики России: колл. монография. Тамбов, 2013.
7. Турлачева М. А., Малышкина Д. Н. Современные тенденции развития кредитования аграрного сектора в России // Саяпинские чтения: сборник материалов круглого стола. Вып. 7. гл. ред. В. М. Юрьев. Тамбов, 2014.
8. Усачев С. Кредитный скоринг // Банки и технологии. 2008. № 04.
9. Юрченко Е. Г. Совершенствование управления кредитным риском в сфере потребительского кредитования на основе скоринга востребования // Управление риском. 2009. № 2. С. 44-50.
SCORING MODELS OF THE ASSESSMENT OF CREDIT RISK
S. S. Samoylova, M. A. Kurochka
In article scoring as the instrument of credit risk management, its main characteristics, and also the mechanism of its realization and methods of decrease in arrears is considered. The credit organizations have difficult multilevel system of risks, the comprehensive and which objective assessment plays a key role in ensuring financial stability of each credit organization and stable development of a banking system as a whole. Scoring consists in determination of cumulative credit point of the borrower as a result of his assessment on a number of criteria. There are the scoring models, allowing to estimate solvency of natural persons, legal entities and subjects of small business. Introduction of system of credit scoring will allow bank to get that all desirable competitive advantage - long benefit of application of the strategy creating consumer value based on a unique combination of intra firm resources and abilities. Steady competitive advantage gives the chance to business to support and improve the competitive positions in the market and to survive in fight against competitors for a long time.
Key words: banks, credit, credit risks, scoring, scoring systems, credit market.
Исторически скоринг как подход был впервые использован в биологических исследованиях во второй половине 30-х гг. 20 века для сортировки объектов, которые было невозможно рассортировать на основании какого-либо одного признака, а другим способом или сильно затруднено, или даже невозможно. К примеру, так сортировались черепа (по принадлежности одному или другому племени) или луковицы ирисов (по принадлежности тому или иному сорту).
Термин «скоринг » означает математический подход, с помощью которого на основании набора известных (или измеряемых) характеристик объекта прогнозируется определенная искомая характеристика, которую на момент оценки прямо измерить невозможно, при этом намеренно избегается поиск каких-либо причинно-следственных связей.
Кредитный скоринг - это использование скоринговых решений в процессе кредитования, причем как физических лиц, так и юридических (особенно предприятий малого и среднего бизнеса).
Первостепенная задача, которую решают при кредитовании с помощью скоринга, - это управление рисками .
Spiegel - большой американский ритейлер - весьма рано начал использовать кредитный скоринг. Другой такой фирмой стала Household Finance Corp. Уже в 1946 г. ее президент Е.Ф. Вандерлик разработал Credit Guide Score для оценки новых заявителей, однако внедрение шло с трудом (впоследствии менеджеры его филиалов признавались, что они сначала выдавали кредиты, а потом подгоняли баллы, чтобы оправдать принятое решение).
В 1956 г. на американском финансовом рынке произошло событие, которое кардинально изменило ситуацию в сфере кредитного скоринга. Американцы - инженер Бил Файр и математик Эрл Айзек, работавшие в Стэнфордском исследовательском институте, придумали первую кредитную скоринговую модель . Партнеры разработали математический алгоритм, вычисляющий уровень кредитоспособности заемщика в цифровом выражении. Другими словами, алгоритм позволяет просчитывать кредитные риски в виде трехзначного числа, которое является кредитным рейтингом. Они организовали компанию Fair, Isaac and Company (в 2003 г. она была переименована в Fair Isaac Corporation, а в 2009 г. - FICO).
В России массовое использование скорингов в розничном кредитовании также стало уже повсеместной практикой. Российские банки активно используют и внешние скоринги FICO, и собственные скоринговые карты, разработанные в том числе и с помощью американских консультантов.
В семидесятые годы прошлого века, с одной стороны, началось бурное развитие средств вычислительной техники, а с другой - бум кредитования. И тогда скоринговые системы начало внедрять у себя большинство банков. Более того, некоторые из них разработали собственные системы, не прибегая к помощи сторонних компаний.
Когда в середине девяностых годов в России началось постепенное внедрение скоринговых систем, то отечественные банки столкнулись с дилеммой: разрабатывать их самостоятельно или покупать у западных производителей. Спустя 15 лет появился и третий вариант: отдать скоринг на аутсорсинг.
С 29 июля 2013 г. Сбербанк при выдаче розничных кредитов использует интегральную оценку заемщика, которая основана на Скоринг Бюро 3 поколения (сервис предоставляется Объединенным Кредитным Бюро (ОКБ)) и системе внутреннего скоринга самой кредитной организации.
Тестирование сервиса показало, что совместное использование двух скоринговых моделей дает дополнительный эффект, повышая качество интегральной модели банка более чем на 10%.
С появлением в конце 60-х гг. кредитных карт и банки, и другие эмитенты поняли полезность кредитного скоринга. Большое количество клиентов, подающих заявки на кредитные карты каждый день, сделало невозможным - ни экономически, ни с точки зрения трудозатрат - никакое другое решение, кроме как автоматизация принятия решения о кредитовании. При использовании кредитного скоринга эти организации быстро обнаружили, что эта методика является существенно более надежным прогнозом, нежели экспертные оценки (процент дефолтов снизился на 50% и более).
Как правило, выделяют минимум три области применения кредитного скоринга:
Скоринг заявлений - это определение кредитоспособности (уровня риска дефолта) заявителя при принятии решения о предоставлении кредита на основании данных, доступных в момент подачи заявления, - информации собственно из заявления, собственных данных кредитной организации, данных из кредитного бюро, а также других доступных баз данных (например, по утерянным паспортам).
При этом принимается не только решение о предоставлении кредита, но и о размере и условиях кредитования.
После того как кредит выдан, необходимо отслеживать его использование и возврат. И если в случае кредитов с фиксированными условиями, т.е. ключевым является определение кредитоспособности клиента на момент выдачи кредита, то для кредитной линии - в том числе револьверной кредитной карты - ситуация отличается коренным образом. Неизвестно, как клиент будет пользоваться кредитом - сразу выберет весь кредитный лимит или только его часть, как будет возвращать - сразу все или только минимальный установленный платеж, и не изменится ли его кредитоспособность через шесть месяцев или через год. И это - область поведенческого скоринга , где под этим названием на самом деле скрывается целый набор решаемых задач.
В первую очередь это оценка риска просрочки платежа и/или невозврата и определение тех действий, которые необходимо предпринять, - в этом поведенческий скоринг переходит в скоринг по взысканию (collection scoring).
Следующей задачей, решаемой в рамках поведенческого скоринга, является определение доходности/убыточности клиента для кредитной организации. Для этого отслеживается история его транзакций на протяжении определенного отрезка времени (например, шести месяцев) и согласно установленным критериям определяется его «ценность», а потом на основании уже известных клиентских историй и профилей клиентов прогнозируется будущая «доходность» клиентов, находящихся в кредитном портфеле в данный момент.
В этом же классе определение таких важных параметров клиентов, как вероятность их ухода (attrition), склонность их к использованию данного или других продуктов (propensity), а также к увеличению объемов использования (up-sale) или приобретения других продуктов (cross-sell).
Следует сделать два крайне важных замечания:
1) данные по транзакциям используются для выявления и предотвращения мошенничества (и это тоже относят к поведенческому скорингу);
2) для поведенческого скоринга все в большей степени используются данные не только по конкретному счету (продукту), а весь комплекс данных по клиенту, т.е. как именно он пользуется всем набором используемых продуктов.
Прагматический подход, т.е. отказ от поиска причинно-следственных связей между параметрами и использование выявленных зависимостей между параметрами для прогнозирования поведения клиента (вероятности дефолта по кредиту), вызывает у многих довольно сильное отторжение и приводит к определенным законодательным ограничениям в этой области в некоторых странах.
Несмотря на то что, у каждого банка своя «система ценностей», ни один банк не обходится без типичных скоринговых вопросов.
1. Личные данные . Пол, возраст, семейное положение, наличие или отсутствие иждивенцев, образование.
Пол . Система с большей симпатией относится к женщинам, так как по статистике слабый пол более ответственно подходит к погашению своих обязательств.
Возраст . Наиболее привлекательным для банка является клиент в возрасте от 25 до 45 лет. Чем дальше человек находится от этого возрастного диапазона, тем меньше его балл.
Семейное положение . Как правило, наличие семьи, даже в том случае, если отношения не узаконены формально, является плюсом. Стабильные отношения, планирование бюджета, с точки зрения банка, дисциплинируют потенциального заемщика.
Иждивенцы . Если у потенциального заемщика всего один ребенок, это, как правило, не лишает балла, однако чем больше детей, тем ниже балл.
Образование . Человек со средним образованием воспринимается как недостаточно успешный и стабильный, потенциально способный пренебречь своими обязательствами по кредиту, в отличие от человека, получившего высшее образование.
2. Финансовые показатели . Общий трудовой стаж, общий стаж на последнем или последних двух-трех местах работы, профессия, уровень заработной платы и общих расходов.
Чем стабильнее человек в плане своего трудоустройства , тем выше его балл. Частая смена мест работы, непродолжительность работы на каждом из них говорят о нестабильности потенциального заемщика и, как следствие, его дохода.
Тип профессии . Наиболее привлекательными для банка являются специалисты, рабочие, госслужащие, руководители среднего звена (постоянная работа по найму). Недолюбливают банкиры руководителей компаний, финансовых директоров, нотариусов (занимающихся частной практикой), а также владельцев и совладельцев бизнеса. Важно понимать, что в отличие от наемных сотрудников собственник своего дела не имеет ежемесячного фиксированного дохода. То же можно сказать об индивидуальных предпринимателях - таким заемщикам лучше подавать документы как физическим лицам.
Несомненно, банк обратит внимание на соотношение расходов и доходов . С одной стороны, система анализирует, насколько сопоставимы расходы на оплату кредита с финансовыми возможностями клиента и не будет ли обременительным для него дополнительный кредитный договор. С другой стороны, если заемщик заявляет о высоких доходах, но при этом запрашивается незначительная сумма, это вызывает как минимум настороженность. Для чего человеку с доходом в 50 тыс. руб. кредит в 6 тыс.?
Очень внимательно банки относятся к наличию ранее взятых и непогашенных кредитов . Если у заемщика уже имеются ежемесячные выплаты по кредитному договору, то банк спрогнозирует платежеспособность человека с очень большим (для себя) запасом.
3. Сопутствующая информация .
Дополнительный источник дохода (дополнительное место работы, доход созаемщика), наличие автомобиля, гаража, дачи, земельного участка в личной собственности, несомненно, добавят баллов. Примерно также обстоят дела с уже имеющимися погашенными кредитами: отсутствие былых просрочек, своевременное погашение своих обязательств перед кредитной организацией, отсутствие текущих просрочек воспринимаются положительно. Чем больше баллов заемщик набрал, тем больше он нравится банку.
В настоящее время кредитный скоринг основывается на методах статистических исследований или исследований операций (operational research). Статистические подходы включают в себя дискриминационный анализ, в основе которого лежат линейная регрессия и более эффективная логарифмическая регрессия и классификационные деревья (classification trees), иногда называемые алгоритмами рекурсивного разделения. Методы исследования операций включают в себя определенные варианты линейного программирования. Большинство разработчиков скоринговых моделей применяют один или несколько вышеуказанных методов, часто в комбинации. Кроме того, в разработке скоринговых моделей используется ряд методов непараметрической статистики и подходы моделирования с помощью «искусственного интеллекта». Так, в последние десятилетия испытывались подходы нейронных сетей, экспертных систем, генетических алгоритмов и методы «ближайших соседей». Весьма интересно, что к одной и той же классификационной проблеме применяются столь разнообразные методы. Отчасти это обусловлено исключительно прагматическим подходом к проблеме снижения риска при выдаче кредитов: если работает - надо использовать! Цель - спрогнозировать, кто не справится с возвратом, а не дать объяснение, почему не справится, или подтвердить ту или иную гипотезу о связи между невыплатой и определенными экономическими или социальными параметрами (что отчасти и спровоцировало бурные обсуждения и принятие акта ECOA).
Для построения скоринговых моделей (причем независимо от выбранного математического подхода) берется репрезентативная выборка из предыдущих заявителей (от нескольких тысяч до сотен тысяч - что не проблема для отрасли, обслуживающей десятки миллионов клиентов). Для каждого заявителя из выборки извлекается полная информация из анкеты-заявления и информация из его кредитной истории за фиксированный период времени (обычно 12, 18 или 24 мес.). Затем принимается экспертное решение, какую историю считать приемлемой, т.е. является ли клиент «хорошим» или «плохим».
Эмпирические требования к базе данных, используемых для построения скоринговой модели:
При построении кредитных моделей существенным является выбор временного горизонта - отрезка времени между подачей заявления (выдачей кредита) и классификацией «плохой/хороший». Анализ показывает, что процент дефолта как функция длительности нахождения клиента с организацией поначалу растет и только через 12 месяцев (кредитные карты) и даже более (разовые займы) начинает стабилизироваться. Таким образом, меньший временной горизонт приводит к недооценке и не учитывает полностью всех характеристик, предсказывающих дефолт. С другой стороны, временной горизонт более двух лет оставляет модель подверженной к сдвигам в составе клиентской группы в течение этого времени, т.к. как состав клиентов в выборке в начале временного горизонта может оказаться существенно отличным от состава клиентов, приходящих в настоящее время. Фактически используются два единовременных среза (в начале и в конце временного горизонта) для создания модели, которая стабильна по времени (за пределами начального временного отрезка). Это и диктует выбор длины временного отрезка - временного горизонта при моделировании.
Далее построение скоринговой модели превращается в классификационную проблему, где входными характеристиками (или параметрами) являются ответы на вопросы анкеты-заявления и параметры (или данные), получаемые в результате проверок из различных организаций (например, полиции, судов, местных советов, кредитных бюро и т.д.), а выходными характеристиками (ответом) - искомым результатом - является разделение клиентов на «хороших и плохих» согласно имеющимся кредитным историям, сопоставленным по этим входным характеристикам.
Собственно рейтинговая таблица (scorecard) - это система придания численных баллов (счета) характеристикам (или параметрам) заемщика для получения искомого числового значения, которое отражает, с какой вероятностью у заемщика по отношению к другим заемщикам произойдет некое событие или он совершит определенное действие (аспект «по отношению» в определении очень важен).
Кредитная рейтинговая таблица , например, не показывает, какой уровень риска следует ожидать (скажем, какой процент кредитов данного типа, вероятно, не будет возвращен); вместо этого она показывает, как данный заем, скорее всего, будет вести себя по отношению к другим займам. Например, ожидается ли, что процент невозвратов или дефолтов для кредитов с данным набором атрибутов будет больше или меньше, чем у кредитов с другим набором.
Большинство рейтинговых таблиц построены с помощью расчета регрессионной модели - статистической модели, которая проверяет, как отдельный параметр (характеристика) влияет на другой параметр или (чаще всего) на целый набор других параметров.
Регрессионная модель дает в результате своего применения набор коэффициентов (factors), называемых регрессионными, которые можно интерпретировать как корреляцию между искомыми параметрами (которые необходимо определить) и объясняющими параметрами, сохраняя неизменными все остальные воздействия на искомые параметры. Эти коэффициенты превращаются в веса баллов (point weights) в рейтинговой таблице.
Следует отметить, что качество скоринговых моделей следует постоянно проверять и мониторинг является обязательной процедурой в процессе эксплуатации. Со временем могут меняться как экономические условия, так и поведенческие особенности заемщиков, и только своевременная подстройка или даже замена скоринговых моделей обеспечат эффективное управление кредитными рисками.
Скоринг - используемая банками система оценки клиентов, в основе которой заложены статистические методы. Как правило, это компьютерная программа, куда вводятся данные потенциального заёмщика. В ответ выдается результат - стоит ли предоставлять ему кредит. Название скоринг происходит от английского слова score, то есть «счет».
Существуют четыре вида скоринга:
application-scoring (дословный перевод с английского - «скоринг заявки, обращения») - оценка кредитоспособности заемщиков при выделении кредита. Это самый распространенный и известный клиентам вид скоринга. В его основе лежат первичный сбор анкетных данных заемщика, их обработка компьютером и вывод результата: предоставлять заем или нет;
collection-scoring - система скоринга на стадии работы с невозвращенными займами. Определяет приоритетные действия сотрудников банка для возврата «плохих» кредитов. Фактически программа позволяет предпринять ряд шагов по работе с невозвращенными долгами, например от первичного предупреждения до передачи дела коллекторскому агентству. Считается, что в процессе такой обработки порядка 40% клиентов ссылаются на забывчивость и возвращают кредит;
behavioral-scoring, «скоринг поведения» - оценка наиболее вероятных финансовых действий заемщика. Такая система дает возможность прогнозировать изменение платежеспособности заемщика, корректировать установленные для него лимиты. Основой анализа могут служить действия клиента за определенный период, например операции по кредитной карте;
fraud-scoring - статистическая оценка вероятности мошеннических действий со стороны потенциального заемщика. Такой скоринг, как правило, используется совместно с другими видами исследования клиентов. При этом считается, что до 10% невозвратов по кредитам связаны в России с откровенным мошенничеством и этот показатель растет.
Многие скоринговые системы не только обрабатывают введенные данные, но и способны к самообучению: они учитывают модель поведения уже принятых на обслуживание клиентов, чтобы корректировать свою оценку будущих заемщиков.
На рынке программного обеспечения для банков существуют готовые решения. Самые известные западные программы - SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS). Среди российских разработчиков выделяются Basegroup Labs, «Диасофт», известна украинская компания "Бизнес Нейро-Системы". В то же время многие банки разрабатывает свои собственные системы.
Скоринговые системы позволяют снизить издержки и минимизировать операционный риск за счет автоматизации принятия решения, сокращают время обработки заявок на предоставление кредита, дают возможность банкам проводить свою кредитную политику централизованно, обеспечивают дополнительную защиту финансовых организаций от мошенничества. В то же время скоринг имеет и ряд недостатков: часто решение системы основано на анализе данных, предоставленных исключительно самим заемщиком. Кроме того, скоринговые системы необходимо постоянно дорабатывать и поддерживать, т. к. они учитывают только прошлый опыт и реагируют на изменения социально-экономической ситуации с запозданием.
