Скоринговые системы в оценке кредитоспособности частных заемщиков коммерческого банка

Применение кредитного скоринга дает банкам следующее:

1. Уменьшается риск невозврата  кредита, сокращается число «плохих»  кредитов и, соответственно, снижается  уровень просроченной задолженности;

2. Увеличивается кредитный  портфель за счет сокращения  количества субъективных отказов  по кредитным заявкам;

3. Повышается скорость  процесса принятия решений о  выдаче кредита;

4. Появляется возможность  создать специфические и кредитные  продукты на основе анализа  рыночных ниш;

5. Предоставляя помощь  кредитным инспекторам и аналитикам  и информационную поддержку в  принятии решений.

Задача оценки кредитоспособности физических лиц является неформализованной задачей. Для решения этой задачи разумно использовать гибридные экспертные системы. Задача оценки может быть изображена в виде:

Равно F (K, X), где M - комплексная оценка объекта; X - набор показателей, характеризующих состояние объекта; K - набор критериев, по которым оцениваются значения показателей и рассчитывается М (критерии могут быть качественными или количественными, это зависит от характера показателей деятельности объекта); F - отдельная функция, по которой на основе значений первичных показателей и критериев можно получить обобщенную оценку объекта. Эта функция может быть не до конца известной. Для решения задачи оценки нужно восстановить вид функции F.

Применение гибридной модели иметь в виду разделение задачи на подзадачи.

Разработанная модель скоринговой системы состоит из пяти блоков (см. приложение 1)

Каждый блок модели характеризуется соответствующим набором факторов, определяющих состояние клиента - заемщика с разных сторон, и методом решения. На основании анкеты заемщика (см. в приложении 2) определяются значения показателей и заключения службы безопасности банка. Значение каждого блока модели определяется одним из доступных методов решения, а собственно:

- Продукционной экспертной  системой;

- Нейронной сетью;

- Формулой.

Итоговая оценка кредитоспособности физического лица определяется по формуле:

Равно 0,15X1 плюс 0,3X2 плюс 0,25X3 плюс 0,3X4,

Где Z - оценка кредитоспособности; X1 - социальное положение; X2 - экономическое положение; X3 - имущественное положение; X4- оценка деловой репутации; 0,15, 0,3, 0,25,0,3 - весовые коэффициенты соответствующих факторов риска, определяющих кредитоспособность заемщика.

Работа скоринговой системы оценки физического лица обязана выполняться в режиме «черного ящика». Все данные, которые необходимо для анализа (из справки о заработной плате, анкеты заемщика), вносятся в АБС банка. Для оценки кредитоспособности заемщика список показателей и их значения передаются в аналитический блок, а он уже по результату анализа по настроенному «дереву решения» возвращает в АБС банка категорию качества заемщика. Для кредитного инспектора процесс анализа показан только в виде присвоенной клиенту категории качества (вероятности дефолта заемщика), на основании которой делается корректировка суммы кредита, либо отказ в кредитовании. В зависимости от присвоенной клиенту категории качества допустимо предоставление банку рекомендаций по условиям кредитования (по сроку кредитования, сумме кредита, величине обеспечения возврата кредита). Для решения установленной задачи нужен универсальный гибридный инструмент, который включает в себя механизмы формирования, настройки дерева решений, механизмы предобработки данных и различные методы анализа информации. Предложенный механизм оценки кредитоспособности физического лица осуществлен в аналитической информационной системе.

Данный подход к оценке кредитоспособности в условиях российской действительности встречает следующие проблемы:

1. Отсутствует так называемое  «кредитное кладбище» - в настоящее  время в России отсутствует  достаточный объем доступной  для исследования информации  о кредитоспособности той или  иной группы населения;

2. Кредитоспособность физического  лица зависит как и от общей  макроэкономической ситуации, так  и от его наблюдаемых характеристик;

3. Существенный рост волатильности  доходов заемщиков при росте  их по совершенной величине;

4. В России кредитоспособным  является физическое лицо, не  только которое выполнило свои  обязательства, но и которое заменило  обязательства перед одними кредиторами  на обязательство перед другими;

5. Решения, которые приняты  с применением системы кредитного  скоринга прежде, оказывать влияние  на решения, принимаемые данной  или другой системой позднее.

 

 

 

III. Практический пример оценки по скоринговой методике

Применение скоринговой системы в ЗАО «ВТБ 24»

Использование MicrosoftOfficeExcel для кредитногоскоринга условно можно назвать типовым подходом к скорингу физических лиц. Он используется во многих, если не сказать в большинстве, российских банках. Стандартная процедура оценки заемщика выглядит так: сотрудник банка, опираясь на свои знания и опыт, вручную расставляет баллы, ориентируясь, как правило, исключительно на кредитную заявку. При этом одни факторы, указанные в заявке, увеличивают количество баллов, а другие уменьшают. Если после подсчета у заемщика набирается необходимое, строго определенное для каждого кредитного продукта количество баллов, он получает кредит.

На первый взгляд все очень просто. Но в этом случае заемщик обречен на томительное ожидание и зависимость от настроения и внимательности кредитного эксперта, работающего с его заявкой.

Система кредитного скоринга, функционирующая непосредственно в ЗАО «ВТБ24» - это сложная компьютерная программа, позволяющая проводить оценку заемщика и дальнейшую работу с ним в автоматическом режиме, при этом преимущества, которые получает заемщик, очевидны.

Во-первых, оценка кредитной заявки осуществляется практически мгновенно. Некоторые системы способны осуществлять скоринг со скоростью до 200 заявок в секунду. Конечно, это не значит, что кредит выдадут за одну двухсотую секунды. Все равно информация будет проверяться людьми, ведь многие бизнес-процессы, идущие в банке при кредитовании физических лиц, практически невозможно автоматизировать. Но принять решение за 2-3 минуты в потребительском кредитовании, где суммы невелики и играет роль скорость, реально.

Во-вторых, система кредитного скоринга не зависит от настроения и опыта кредитного эксперта. Она принимает решение беспристрастно, ориентируясь исключительно на математические правила. Конечно, в ипотечном и автокредитовании система кредитного скоринга выступает лишь как советник, основное решение будет принимать все-таки кредитный эксперт. Но если его решение будет отличаться от выводов скоринговой системы, ему придется давать объяснения своему руководству, и, следовательно, у благонамеренного заемщика шансов получить кредит значительно больше2.

И, в-третьих, Банк не выставляет заоблачные проценты, потому как они ему просто не нужны, ведь скоринговая система позволяет значительно снизить риск невозврата кредита. Следовательно, нет нужды покрывать его за счет добросовестных клиентов.

Кроме того, не так давно Центральный банк Российской Федерации внес изменения в положение N 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности». Теперь Банку выгоднее рассказать клиенту правду о том, какие именно проценты ему придется выплачивать по тому или иному кредиту.

Конечно, скоринговая система не дает ответа, стоит ли выдавать ссуду. Банк должен сам выбрать точку отсечения - минимальный балл, при котором можно выдавать кредит. Хорошая скоринговая модель отсеивает до 90% неплатежеспособных клиентов, однако при этом мешает в получении кредита 10% качественных заемщиков. Это соотношение зависит от того, какой уровень рисков банк готов принять. Введение скоринга помогает ВТБ24 снизить процент невозвратов и при этом увеличить количество кредитов. Таким образом, Банк может поднять доходность своего кредитного портфеля.

Однако чтобы скоринговые системы заработали действительно эффективно, ВТБ24 необходимо обмениваться информацией. Пока Банк не стремится участвовать в Бюро кредитных историй. Таким образом, он не только не защищает себя от недобросовестной конкуренции, но и значительно сужает возможности по противодействию мошенникам. Из статистики известно, что прогнозная модель тем точнее, чем больше наблюдений использовалось для ее построения. Исследуя корреляции только на основе своих кредитных историй, банки будут получать большие погрешности.

Проблема ВТБ24 состоит еще и в том, что он не используют поведенческий и коллекторскийскоринг (ограничиваясь применением аппликационного), а также не учитывает в своей модели региональные особенности заемщиков. Так что уровень невозвратов по розничным кредитам снизится только тогда, когда Банк начнет обмениваться информацией о кредитных историях масштабно и системно.

Методика оценки кредитного риска позволяет, оценив набор признаков, характеризующих заемщика, сказать, стоит ли выдавать ему кредит. В связи со значительным ростом кредитных Банка и разворачивающейся битвой за еще один источник денег - кошельки сограждан - в связи с ростом потребительского кредитования понимание внутреннего механизма этого метода крайне важно.

Итак, для создания эффективной системы скоринга в банке ВТБ24 (как для юридических, так и для физических лиц) необходимо несколько ингредиентов:

1) во-первых, необходимо, чтобы заемщик  характеризовался количеством описывающих  его признаков большем или  равном 2;

2) во-вторых, необходимо иметь группу  аналогичных заемщиков, которая  делится на две части - «хорошие»  и «плохие», т.е. кредитоспособные  и нет.

Причем, вторая группа должна содержать заемщиков, которые реально не погасили задолженность перед кредитной организацией. Первая группа содержит благополучных заемщиков, которые вовремя и в полном объеме выполнили свои обязательства. Существует еще и третий ингредиент - принципиальная возможность построения на этой совокупности заемщиков при имеющихся у них характеристиках и используемом наборе признаков скоринговой системы.

Необходимо так же отметить, что в условиях развития рынка потребительского кредитования Группа ВТБ в лице ЗАО «ВТБ24» внедряет скоринговые информационные системы. Как правило, запуск скоринговой системы в Банке предваряется внедрением системы удаленного обслуживания, связывающей при помощи удаленных веб-технологий автоматизированные рабочие места операторов и лиц, участвующих в принятии решения по заемщику.

Характер бизнес-процессов в банке при обработке кредитной заявки всегда является сквозным, т.к. анкета заемщика проходит согласование и верификацию в нескольких функциональных подразделениях: кредитный отдел, служба безопасности и т.д.

С внедрением скоринговой системы добавляется еще одно звено - автоматическая оценка кредитоспособности. Становится критичным время прохождения заявки через все подразделения, а минимальное время рассмотрения заявки - одно из важных конкурентных преимуществ на рынке потребительского кредитования. Поэтому проектированию бизнес-процессов обработки заявки нужно уделить особое внимание.

Анализ процессов документооборота заявок заемщиков в российских банках позволяет говорить о том, что наиболее распространенными ошибками при проектировании бизнес-процессов являются следующие:

1. Предварительная проверка анкеты  заемщика на удовлетворение простейшим  требованиям (так называемыйпрескоринг) производится на этапе применения  скоринговой модели. Это приводит  к тому, что анкета проходит  через цепочку служб, и только  на этапе оценки риска выясняется  несоблюдение первичных требований (возраст заемщика не соответствует  требованию кредитного продукта, не внесены какие-либо пункты  анкеты и т.п.).

2. Этап верификации заемщика  службой безопасности осуществляется  перед оценкой риска. В результате  служба безопасности загружена  лишней работой - проверяются заемщики, которые изначально не проходят  по скорингу.

3. В кредитном отделе подтверждаются  все заявки. При экспресс-кредитовании  это делать нецелесообразно, поскольку  скоринговая модель берет на  себя функцию оценки кредитоспособности.