С 1 июля 2014 г. российский закон «О кредитных историях» действует с учетом поправок, которые открыли страховым компаниям доступ к кредитным историям клиентов. Таким образом, Россия, хоть и с запозданием, присоединилась к мировой практике скоринга на основе кредитных историй, который должен стать позитивным фактором роста прибыльности отечественных страховых компаний.
Модель классификации клиентской базы, получившая название «скоринг» (английское scoring это игровой термин, означающий подсчет очков) - это модель разделения клиентов на различные группы по некоторой характеристике, которая неизвестна, но связана с другими известными факторами, которые и берутся за основу.
Ощая философия скоринга не требует поиска объяснений: анализируя, к примеру, статистику невозврата кредитов, нет необходимости понимать, почему не вернул выданные деньги тот или иной клиент, но важно выделить характеристики, наиболее тесно связанные с ненадежностью клиентов. В мировой банковской практике при оценке нового клиента автоматизированные системы скоринга уже более полувека используются наравне с субъективным заключением кредитных инспекторов.
В кредитовании риск связан с возможным дефолтом заемщика; целевая переменная риска в страховании связана с соотношением страховых выплат и собранной премии. Что же общего между банковскими рисками и рисками страховщиков? Оказывается, и дефолт по кредиту, и убыточность по страховому полису имеют общую основу – неаккуратность субъекта и его пренебрежительное отношение к своим обязательствам.
Скоринговые системы исходят из предположения о сходстве поведения людей со сходными социальными показателями. И, как показывает практика, именно те субъекты, у которых возникают трудности с возвратом заемных средств, оказываются наиболее убыточными страхователями. Эта зависимость обнаружена уже достаточно давно и активно используется страховыми компаниями разных стран.
В России до недавнего времени преградой оставался упомянутый выше закон, после изменения которого работы по формализации зависимости между кредитными историями и убыточностью (безубыточностью) страховых полисов начались практически сразу. Помимо экспертов НБКИ и представителей крупнейших отечественных страховых компаний, в создании модели принимают участие специалисты FICO, которому принадлежит разработка самого эффективного в мире страхового скоринга.
В результате проведенной работы (а к маю текущего года было проанализировано свыше пяти миллионов страховых полисов в сегменте автострахования) установлено примерно 80%-ое совпадение с базой кредитных историй (скоринг учитывает типы кредитов, историю пользования заемных средств, качество обслуживания обязательств), так что россияне в этом аспекте мало отличаются от западных соседей.
Сохранили у нас и традиционную шкалу скоринговой банковской модели – от 350 (высокий риск убыточности полиса) до 850 баллов (низкий риск). После разработки модели было проведено ее тестирование на реальных полисах, подтвердившее эффективность инструмента: полисы каско, получившие согласно расчета с использованием скоринговой модели баллы менее 625, по сравнению с получившими скоринговый балл 725 и выше продемонстрировали и более высокую (на 20%) убыточность. Причем результат получил подтверждение и в Москве, и в регионах.
Более того, полученная модель оказалась потенциальным помощником в деле предотвращения страхового мошенничества: при анализе убыточности полисов по ущербу от угона автомобилей выяснилось, что убыточность полисов для носителей низких скоринговых баллов в целых пять раз выше!
Такое серьезное количественное расхождение дает основания предполагать, что скоринговая модель для страхования позволила обозначить категорию граждан, которые из-за плохой кредитной истории уже не пытаются получить заемные средства в банках и надеются решать финансовые проблемы с помощью получения незаконных страховых выплат. Не удивительно, что именно в сегменте автострахования страховой скоринг НБКИ начал использоваться в первую очередь!
Теперь на очереди – страхование недвижимости и страхование жизни. Есть все основания полагать, что и в этих страховых сегментах процент совпадения с кредитными историями будет высок: как подтверждает мировой опыт, добросовестный человек демонстрирует ответственность как по отношению к своим обязательствам, так и по отношению к своему имуществу, здоровью и семье.
, Директор по маркетингу Национального бюро кредитных историй (НБКИ)Когда речь заходит о понятии риска применительно к финансовой сфере, в первую очередь, многим приходит в голову сегмент розничного кредитования. И речь, соответственно, о кредитном риске. При этом в кредитовании риск уже давно научились не только оценивать, но и управлять им. Кредитный риск рассчитывается с помощью предиктивных методик оценки вероятности дефолта заемщика в будущем. С этим уже на протяжении многих лет успешно справляются специально разработанные скоринговые модели.
Что же касается страхования, то даже для некоторых игроков на этом рынке до сих пор является сюрпризом возможность определения риска убыточности полиса по аналогии с расчетом кредитного риска. То есть при помощи все того же скоринга. Убыточность полиса, то есть отношение выплат по страховым событиям к собранной премии, является целевой переменной риска в страховании и, на первый взгляд, ничего общего с дефолтом по кредиту не имеет. Но на самом деле, у обоих этих события общая природа - не аккуратность и пренебрежение собственными обязательствами со стороны субъекта.
С внесением полтора года назад поправок в закон «О кредитных историях», у страховых компаний появилась возможность получать кредитные истории своих клиентов. Поскольку для страховщиков, как и для кредиторов, кредитные истории представляют наибольший интерес именно с точки зрения возможности оценки риска, перед страховой индустрией и, соответственно, перед НБКИ (в котором хранятся кредитные истории 74-х миллионов россиян), встал вопрос построения математической модели, предсказывающей убыточность на основе данных из кредитных историй - страхового скоринга.
Такую зависимость уже достаточно давно обнаружили и активно используют страховщики разных стран. В России о такой корреляции знали и раньше, но до 2014 года на практике использовать не могли: закон «О кредитных историях» не позволял предоставлять кредитную историю не кредиторам. Практически сразу же после вступления в силу поправок начались работы по формализации упомянутой зависимости. В работе приняли участие эксперты НБКИ, актуарии крупнейших страховых компаний и специалисты FICO - автора самого популярного и эффективного страхового скоринга в мире.
К середине 2015 года было обработано более 5 миллионов страховых полисов и совпадение с базой кредитных историй составило порядка 80%. Рассчитанный на базе кредитных историй страховой скоринг, также как и в розничном кредитовании, учитывает качество обслуживания кредитных обязательств, типы кредитов и историю пользования заемными средствами. Для простоты использования НБКИ и FICO сохранили шкалу скоринговой модели - от 350 до 850 баллов. При этом низкий балл означает высокий риск убыточности полиса, а высокий балл - наоборот.
Результаты тестирования модели на реальных полисах в автостраховании оказались сопоставимы с кредитным скорингом: КАСКО, для которых модель рассчитывала низкий скоринговый балл (менее 625) оказались на 20% убыточнее полисов с высоким баллом (более 725). Этот результат был подтвержден как для московских полисов, так и для региональных. Еще более наглядные результаты были получены при анализе убыточности от конкретных страховых событий. Например, по ущербу от угона автомобилей убыточность полисов в низких диапазонах скоринга в 5 раз выше, чем для верхнего диапазона. Очевидно, что это связано с тем, что страховой скоринг НБКИ смог выявить недобросовестных граждан, которым банки уже перестали давать в долг из-за их плохой платежной дисциплины и высокой закредитованности, и они пошли в страховые компании, надеясь с помощью страховых выплат и обмана решить свои финансовые проблемы. Другими словами, страховой скоринг НБКИ оказался полезен для предотвращения страхового мошенничества.
И, наконец, успешность проделанной работы в автостраховании позволяет надеяться на то, что и в других видах страхования применимы аналогичные технологии. По мнению НБКИ и крупных страховых компаний, поиск и валидация зависимостей между ответственностью человека и его поведением по большинству страховых продуктов - дело ближайшего будущего.
Летом 2014 года в результате поправок в 218-ФЗ «О кредитных историях» страховые компании получили возможность получать кредитные истории своих клиентов. Как и для кредиторов, для страховых компаний максимальный интерес кредитные истории представляют с точки зрения возможности оценки риска. В кредитовании оценка риска необходима для прогноза дефолта, в страховании – для прогноза убыточности по полису. Таким образом, перед страховой индустрией и Национальным бюро кредитных историй (НБКИ), местом, где хранятся кредитные истории 72 млн россиян, встал вопрос построения математической модели, предсказывающей убыточность на основе данных из кредитных историй, – страхового скоринга.
В работе по созданию страхового скоринга на основе кредитных историй принимали участие крупные российские страховые компании, НБКИ и международный лидер в области предиктивной аналитики – компания FICO. Опыт работы FICO на американских и европейских страховых рынках был взят за основу исследовательской работы и во многом обеспечил получение быстрого и сильного с математической точки зрения результата. Именно благодаря международному опыту мы сразу стали ориентироваться на моторное страхование. Эта отрасль во всем мире показывает сильную корреляцию между убыточностью по страховым полисам и персональной ответственностью клиента.
Для начала исследовательских упражнений была сформирована гипотеза о наиболее сильных прогнозных переменных из кредитной истории. На этом этапе был использован опыт построения кредитного скоринга, предсказывающего дефолт заемщика по кредитным обязательствам. Как и в страховании, в кредитном процессе кредитор оценивает ответственность клиента – его персональную характеристику, выстраиваемую на основе истории выполнения ранее взятых обязательств. Каждая переменная проходила тщательный анализ на сформированной базе исторических страховых полисов, в результате были выбраны наиболее сильные и стабильные переменные.
Среди наиболее сильных переменных, конечно, данные о нарушении обязательств. Количество и глубина просроченных платежей оказывают понижающее влияние на скоринговый балл. С другой стороны, приветствуется опыт пользования длинными кредитами: положительный опыт ипотеки и автокредитования оказывает повышающее влияние на результат. Одним из наиболее сложных вопросов для построения скоринговой модели стал учет региональной специфики. В результате в итоговую модель вошли несколько переменных, основанных на данных о регионе.
К неосновным, но тем не менее оказывающим влияние на скоринговый балл переменным можно отнести данные о членах семьи клиента. Эта информация включена в скоринговую модель для того, чтобы учесть ситуацию, при которой, например, один из супругов берет на себя все вопросы взаимодействия с кредиторами, хотя экономика у семьи общая. То есть, условно говоря, идеальная кредитная история женщины вовсе не означает, что у нее не будет проблем, если у ее мужа – сплошные нарушения по обязательствам.
Валидация переменных и скоринговой модели в целом – сложнейшая задача. Ее успешное решение во многом зависит от репрезентативности и объема данных, доступных для ретротестирования. В этой связи необходимо отдать должное лидерам российского рынка автострахования. Все они включились в работу по созданию и валидации модели буквально с первых дней. Цифры говорят сами за себя: общее количество участвовавших в анализе полисов каско – более 6,5 млн. Историческая ретроспектива полисов – более шести лет. Это позволило создать модель отдельно для Москвы и регионов, убедиться в ее стабильности – замеры осуществлялись по пяти реперным периодам с интервалом в один год. Была не только изучена корреляция скорингового балла с общей убыточностью по полисам, но и построена зависимость от отдельных видов – например, по убыточности от угона.
В результате полученная скоринговая модель показала: убыточность по полисам в низшем скоринговом диапазоне до 600 баллов (шкала страхового скоринга приведена к большинству популярных скорингов FICO: от 350 до 850 баллов, при этом меньшие значения балла означают больший риск) в среднем на 20% выше, чем в диапазоне от 700 баллов для Москвы и на 30% – для регионов.
Интересные результаты дало изучение корреляции скорингового балла с убыточностью по отдельным видам возмещений. Например, при изучении зависимости выплат по угонам автомобиля от скоринговых баллов выявлена аномалия – резкий рост убыточности (в 4–5 раз) в диапазоне ниже 550 баллов. Консультации с коллегами позволили дать объяснение этому явлению: граждане с низкой платежной дисциплиной и чрезмерной долговой нагрузкой уже не могут получить заемные средства у кредиторов, так как им отказывают, и пытаются решать свои материальные проблемы за счет страховых компаний. То есть фактически речь идет о страховом мошенничестве. Как выяснилось, страховой скоринг на базе кредитных историй позволяет эффективно противостоять и этой угрозе.
Полученные результаты открывают перспективы использования страхового скоринга на базе кредитных историй в моторном страховании в краткосрочной перспективе. Во-первых, страховые компании уже сейчас могут использовать скоринг НБКИ для ценообразования по каско и принятия решения о продаже полиса конкретным клиентам. Например, применяя повышающие коэффициенты для высокорисковых сегментов. Во-вторых, страховой скоринг применим для прогноза убыточности по портфелю – архиважная задача, с которой регулярно сталкиваются актуарии и от точности решения которой во многом зависит финансовый результат всей компании.
И наконец, успех создания скоринговой модели в автостраховании позволяет надеяться, что и в других видах страхования применимы аналогичные технологии. По оценкам НБКИ и крупных страховых компаний, поиск и валидация зависимостей между ответственностью человека и его поведением по большинству страховых продуктов – дело ближайшего будущего.
Посвященная возможностям скоринга в финансовой сфере. Банкиры и МФО делились успешными кейсами, а ИТ-компании и сотовые операторы рассказывали про новые возможности. К сожалению, на конференции среди спикеров не было ни одного представителя страховой отрасли.
Неужели скоринг, как инструмент анализа, не интересен страховому сообществу? Скорее наоборот. Но если банки уже давно освоили эту технологию анализа клиентской базы и повсеместно используют ее при кредитовании, то страховой рынок еще не так избалован этим методом селекции клиентов. Тем не менее, в той или иной степени страховые компании все же обращаются к этому инструменту для формирования более адекватного андеррайтинга.
Если лет пять назад страховщики вообще не применяли инструменты скоринга. Три года назад они стали робко пробовать использовать кредитный скоринг в привязке к «мотору». Сегодня кредитный скоринг уже может служить одной из ключевых метрик в андерайтинге автострахования и постепенно использоваться в работе с другими видами страхования.
Мы абсолютно так же, как и банки, хотим знать своих клиентов «в лицо». Чтобы правильно сформировать резерв и назначить тариф, очень важно понимать, что за человек перед тобой, чего от него можно ожидать, насколько может быть убыточен тот или иной клиент. Многочисленные исследования, проводимые на рынке финансовых институтов, уже доказали, что если человек недисциплинирован в какой-то одной сфере жизни, то он с большой долей вероятности будет недисциплинирован и в других областях. Финансовая дисциплина, поведенческие модели и привычки – вот что уже давно интересует банки, а теперь вполне заслуженно должно интересовать и страховщиков.
Источников данных для сбора информации очень много: от бюро кредитных историй до соцсетей, которые могут рассказать о клиенте очень многое. Выбор этих источников определяется конкретными потребностями компании, бюджетом и функционалом ИТ-систем.
Но самый важный вопрос не в том, какие данные анализировать (сейчас действительно множество вариантов и источников), а в том, как это делать. Именно правильная интерпретация данных, расстановка акцентов и весов позволяет выстроить работающую систему скоринг-оценки, которая не только поможет понять потенциальную убыточность конкретного клиента, но и позволит выявлять мошенников, которые могут привести компанию к серьезным финансовым потерям.
По данным FICO и НБКИ, которые активно завоевывают нишу страхового скоринга, основанного на данных кредитных историй, клиенты с полисом каско с низким скоринг-баллом показывают убыточность на несколько десятков процентов выше, чем обладатели высокого скоринг-балла. Имея такие данные, на сколько страховая компания сможет снизить убыточность портфеля? Дать однозначный ответ на это сложно.
Данный показатель во многом зависит от сегмента страхования и особенно от того, как именно использовать результат скоринга (отказывать в страховании совсем, предлагать повышающий коэффициент или что-то другое). В маржинальных видах он может достигать нескольких процентов, и если в компании портфель исчисляется миллиардами рублей, то выгода может составить несколько десятков миллионов.
Вторая сложность – это стоимость. Несмотря на то, что за последние несколько лет цена анализа одного клиента снизилась практически втрое (у разных операторов данных разные цены), скоринг пока применяется в основном лишь в автостраховании. Благодаря высокой маржинальности именно здесь оправдываются дополнительные затраты на анализ клиентской базы. Для других видов (страхование имущества или от несчастных случаев) скоринг пока применяется скорее в рамках экспериментов, а не для реальной экономии.
Оправданность затрат на скоринг также связана с объемом анализируемого портфеля. У нас в стране довольно высокий уровень закредитованности населения, объемы займов продолжают расти, даже несмотря на падение реальных доходов. В то же время проникновение страховых услуг крайне низкое. Только в этом году мы стали постепенно увеличивать долю проникновения в страховании имущества граждан и в страховании жизни. Но этого, конечно, недостаточно.
Если рынку удастся преодолеть хотя бы одно из этих препятствий, то скоринг в страховании, скорее всего, перестанет быть почти фантастикой, став действенным этапом качественного андеррайтинга. Ведь потенциал у этого инструмента действительно очень высокий.
Кредитные отчеты
Формирование, обработка и хранение кредитных историй
Организация, выдавшая кредит, обязана по закону «о кредитных историях» предоставить в аккредитованное бюро кредитных историй, сведения о заемщике, а также о размере полученного им займа, причем согласия заемщика на осуществление такой процедуры получать не требуется. Благодаря этому правилу, формирование кредитных историй осуществляется в предельно сжатые сроки и позволяет создать наиболее полную базу данных, в которой хранятся сведения обо всех кредитах и займах, полученных заемщиком. Предоставление кредитором информации БКИ осуществляется на основании договора об оказании информационных услуг. На передачу данных от кредитора в бюро отводится пять рабочих дней.
* Передачу информации в НБКИ также можно осуществлять без дорогостоящей автоматизации собственных процессов, существенных материальных затрат и найма специального персонала. Достаточно установить специальное приложение «Передача в один клик».Предоставление кредитных отчетов
On-line: Интерактивный интерфейс (для кредитных организаций с небольшим объемом выдаваемых кредитов, решение о выдаче которых принимается не сразу, рассматривающих 300-500 заявок в месяц) - применяя этот способ, оператор регистрируется в системе, заполняет форму, направляет запрос, получает кредитный отчет в режиме on-line в формате PDF, изучает кредитный отчет и принимает решение о выдаче или отказе в выдаче кредита
On-line - B2B (для кредитных организаций с большим объемом выдаваемых кредитов, принимающих решение о выдаче кредита в короткие сроки) - данный способ позволяет банку автоматически запрашивать и получать кредитные отчеты в формате хml-файла. Воспользовавшись им, можно интегрировать информацию из кредитного отчета в автоматизированный процесс принятия решения банком.
Пакетный запрос (для кредитных организаций, принимающих решение о выдаче кредитов в течение одного или нескольких дней) - пакетный запрос формируется банками в виде хml-файла и передается в бюро по электронной почте. Ответ формируется бюро в течение суток и передается в банк в виде хml-файла, содержащего все кредитные отчеты.
НБКИ Online
Оптимальное решение для организаций, начинающих кредитную деятельность, или ведущих умеренную кредитную активность. Функционал «НБКИ Online» обеспечивает полноценное взаимодействие с Бюро, при этом не требует инвестиций в создание и поддержку аппаратного и программного IT обеспечения.
«НБКИ Online» позволит получать данные о заемщиках из НБКИ по оптимальной цене; передавать данные в НБКИ-данные, полученные от пользователей «НБКИ Online», обрабатываются в максимально приоритетном порядке; вести учет обмена данных с бюро.
СКОРИНГИ
Скоринг бюро
Инструмент для измерения риска, который оценивает возможность исполнения заемщиком своих обязательств по выплате кредита на основании данных, содержащихся в бюро кредитных историй и отражающих его поведение в прошлом. Скоринговая модель оценки позволяет: прогнозировать несоблюдение платежных обязательств заемщика; ранжировать заемщиков в соответствии с вероятностью их выхода на просрочки..
Значение скоринга заемщика рассчитывается исключительно на основе информации, содержащейся в кредитной истории, которая преобразуется в скоринговый балл, находящийся в интервале от 300 до 850, так, что добросовестным плательщикам присваивается наивысший балл, а недобросовестным – низший. Скоринговый балл предоставляется с четырьмя причинами, оказавшими наибольшее влияние на его снижение.
Расширенный скоринг
Позволяет оценивать риск дефолта заемщиков, не имеющих кредитной истории, на основе их социо-демографических данных. При расчете расширенного скорингового балла принимаются во внимание такие характеристики как возраст, семейное положение, место жительства, место работы, стаж, заработная плата и другие характеристики.
Fraud score
Уникальная скоринговая модель, позволяющая оценить вероятность повышенного риска выдачи займа на основе анкетных данных и кредитной истории потенциального заемщика. Модель разработана лидером в области предиктивной аналитики – компанией FICO® на основе обработки миллионов конкретных кредитных заявок и кредитных историй. Модель характеризуется высокой прогнозной точностью, простотой интеграции в существующие у кредитора системы андеррайтинга заемщиков и возможностью управления на стороне кредитора.
МОНИТОРИНГ КЛИЕНТСКОЙ БАЗЫ БАНКА (АНАЛИТИЧЕСКИЕ ОТЧЕТЫ)
Аналитические отчеты формируются на основе информации из баз данных НБКИ и обеспечивают мониторинг основных параметров, характеризующих состояние кредитного портфеля и поведение клиентов банка.
Предоставление аналитических отчетов осуществляется ежемесячно в течение периода, определенного кредитором. По выбору клиента могут быть предложены следующие периоды предоставления отчетов: квартал, полгода, год.
Отчеты нужны для: прогнозирования рисков; определения доли «рисковых заёмщиков»; оценки лояльности и поведения заёмщиков в других банках.
НБКИ-AFS (ПРОТИВОДЕЙСТВИЕ НЕДОБРОСОВЕСТНЫМ ЗАЕМЩИКАМ)
Уникальная система противодействию недобросовестным заемщикам «НБКИ-AFS» - самый современный, инновационный и эффективный инструмент защиты кредитора от действий недобросовестных заемщиков различных типов.
Сервис «НБКИ – AFS» создавался при непосредственном участии банков-лидеров розничного кредитования и учитывает огромные практические знания о противодействии недобросовестным заемщикам. Его интеграция в банковские автоматизированные системы обработки заявок максимально упрощена, а это означает, что любой банк может подключиться к сервису быстро и с минимальными затратами. «НБКИ – AFS» может быть настроен по специфическим требованиям и особенностям банка-пользователя.
Сервис «умеет» проводить последовательное и рекурсивное сопоставление атрибутов кредитных заявок и их анализ с использованием «фрод» правил, выявляя подозрительных потенциальных заемщиков. Данные проходят уникальную логическую проверку по более чем 160-ти правилам, эффективность которых подтверждена анализом, проведенным на базах заявок крупнейших розничных банков. «НБКИ – AFS» позволяет обрабатывать более 200 заявок в секунду.
ВЕРИФИКАЦИЯ ПАСПОРТНЫХ ДАННЫХ КЛИЕНТА
Услуга, обеспечивающую проверку паспорта заемщика в режиме реального времени.
Используя услугу, вы определяете статус проверяемого документа, а также получаете дополнительную информацию, доступную в базах данных источника.
АНАЛИТИКА
Национальное бюро кредитных историй (НБКИ) предлагает широкий спектр риск-аналитики, позволяющей кредиторам принимать взвешенные стратегические и тактические решения:
Отчеты Бенчмаркинг и Бенчмаркинг МФО
Дают объективную картину положения кредитора относительно деперсонализированного пула кредиторов конкурентной группы. Группа формируется заказчиком Отчета самостоятельно, но требует обязательного согласования с НБКИ. Количество кредиторов в группе – от 3-х до 5-и. Кредиторы должны быть сопоставимы по размеру бизнеса.
В отчете представлены 230 показателей: размер портфеля; качество портфеля; качество входящей популяции, уровни одобрения; просрочки: выход из просрочек (recovery) и качество возврата (collection); портрет заемщика в разрезе по видам и размерам кредитов, возрастам заемщиков, регионам России, диапазонам (бакетам) скоринга FICO и т.д.
Данные представлены в целом по кредитам физическим лицам и в разбивке по кредитным продуктам, имеющим наибольший удельный вес в структуре розничного кредитования России.
Каждый параметр представлен в динамике за последний год.
Отчет Бенчмаркинг.Взыскание
Отчеты «Бенчмаркинг.Взыскание» дают объективную картину эффективности процедур взыскания на основе сравнительного анализа с референтной группой и позволяют находить сегменты, требующие корректировки работы соответствующих подразделений кредитора/коллектора. Группы банков для сравнения могут быть разные для каждого кредитного продукта; Перечень сравниваемых банков определяется путем согласования с НБКИ и должен соответствовать требованиям к их однородности по объемам на рынке и продуктовым нишам. Таким образом, не нарушаются их коммерческая тайна и правила бизнес-этики. Количество сравниваемых банков не должно быть менее 3-х и более 5-ти.
Отчет состоит из двух файлов с соответствующими разделами:
1. Файл «Benchmarking Early Collection»
2. Файл «Benchmarking Late Collection»
Данные представлены в разбивке по кредитным продуктам, имеющим наибольший удельный вес в структуре розничного кредитования России. Каждый параметр представлен в разрезе Сумм выдачи, Регионов выдач, Диапазонов FICO2 AM, Сроков просрочки в днях (0 – 4-й бакеты).
Национальный кредитный бюллетень
Национальный кредитный бюллетень – единственный в России ежеквартальный обзор розничного кредитования, дающий детальную картину тенденций и рисков в секторе. В обзоре представлена динамика показателей кредитования в целом по стране и по крупнейшим регионам РФ, по видам кредитов.
Предоставляется в бумажном и электронном виде (MS Excel).
Анализ долговой нагрузки российских заемщиков
В данном обзоре используются два типа индикаторов, характеризующих долговую нагрузку населения: отношение остатка долга к годовым денежным доходам заемщика и отношение.
Обзор формируется два раза в год. Возможна подписка на разовое исследование или на 2 отчета за год.
ПАРТНЕРСКИЙ ДОГОВОР. ПРЕДОСТАВЛЕНИЕ КРЕДИТНЫХ ИСТОРИЙ СУБЪЕКТАМ
Продажа кредитных историй клиентам Банка – современная услуга, обеспечивающая рост комиссионного дохода.
Большинство россиян хотели бы получать свою кредитную историю в отделении банка. Действительно, на сегодняшний день около 90% кредитных историй из базы НБКИ продаются в банковских отделениях и через систему удаленного банковского обслуживания банков-партнеров НБКИ.
В рамках партнерского договора Банк может оказывать услуги по предоставлению кредитного отчета из базы НБКИ, а также несколько дополнительных услуг: доступ к базе залогового движимого имущества, отчет из ЦККИ и т.д.
Национальное бюро кредитных историй (НБКИ) ценит работу своих партнеров по данному виду договора и оказывает всевозможную поддержку по развитию этого бизнеса.
ПРОВЕРКА АВТОМОБИЛЯ ПО ЕДИНОЙ БАЗЕ ЗАЛОГОВЫХ АВТОМОБИЛЕЙ И ДРУГОГО ДВИЖИМОГО ИМУЩЕСТВА
Источниками формирования «Базы залоговых автомобилей и другого движимого имущества» НБКИ являются банки и прочие кредиторы, сотрудничающие с НБКИ и передающие информацию о находящихся у них в залоге автотранспортных средствах.
Состав уведомления в «Базе залоговых автомобилей и другого движимого имущества» НБКИ.
