Скоринг

[квит]

Кто что знает, можно сюда кидать ссылки, материалы и пр.

особенно интересуют алгоритмы

[квит]

http://ru.wikipedia.org/wiki/%D0%9A%...B8%D0%BD%D0%B3

Кредитный скоринг — система оценки кредитоспособности (кредитных рисков) лица, основанная на численных статистических методах. Как правило, используется в потребительском (магазинном) экспресс-кредитовании на небольшие суммы. Также возможно его использование в бизнесе сотовых операторов, страховых компаний и.т.д. Скоринг заключается в присвоении баллов по заполнению некой анкеты, разработанной оценщиками кредитных рисков андеррайтерами. По результатам набранных баллов системой принимается решение об одобрении или отказе в выдаче кредита.


http://www.statsoft.ru/home/portal/t...ds/skoring.htm

↓↓ о скоринге

Что скрывается за модным словом «скоринг»

Скоринг (от англ. scoring – подсчет очков в игре) это модель классификации клиентской базы на различные группы, если неизвестна характеристика, которая разделяет эти группы, но известны другие факторы, связанные с интересующей нас характеристикой.

Что же прячется за модным иностранным словом и строгим определением?

В основе скоринговых систем лежит предположение, что люди со схожими социальными показателями ведут себя одинаково. Априорно принимая такой постулат, можно строить различные статистические модели весьма полезные при ведении любого бизнеса. Если некоторым социальным характеристикам клиента (Пол, Возраст, Место проживания, Должность, Длительность работы в одном месте и т.д.) присвоить определенные веса, то каждого нового клиента можно, на основе его анкеты, отнести к группе сильно или слабо соответствующих бизнесу. То есть, клиенту автоматически присваивается целочисленный ранг, указывающий степень доверия и внимание, которое ему следует оказывать со стороны данного бизнеса.
Можно выделить следующие этапы построения скоринга: определение интересующей характеристики;
cбор второстепенных сведений о клиентах и значения интересующей характеристики;
разработка скоринговой модели (присвоение весов второстепенным данным) на основе имеющихся данных;
автоматическое ранжирование новых клиентов по приоритетным группам посредством скоринговой модели.
Если в качестве интересующей характеристики взять способность клиента вернуть кредитный заем, тогда в итоге мы получим две группы: клиенты, которым можно выдать кредит и клиенты, кредитование которых очень рискованно.
В каждом случае следует выявлять несколько промежуточных интересующих характеристик, строить скоринг для каждой из них, а затем рассматривать совокупность результатов.
На западе скоринговые системы применяются достаточно давно и эффективно. В последнее время в нашей стране аналогичные схемы приобретают все большую популярность, особенно в банковском бизнесе. При этом Российские компании часто желают поскорее внедрить “готовые” западные системы вместо разработки собственных. Слово “готовые” не случайно взято в кавычки, потому как без знания особенностей скоринга говорить об эффективности применения (окупятся ли средства, потраченные на это красивое слово) у нас разработанных на западе систем нельзя.
Применение скоринга в банковской сфере

Посмотрим, как можно применить описанные выше идеи к оценке кредитных рисков.
Банкам, выдающим кредиты, требуется каким-либо образом оценить нового клиента и принять решение о выдаче или невыдаче ему запрашиваемого кредита. В мировой практике существует два основных метода осуществления этой процедуры, которые могут применяться как отдельно, так и в сочетании друг с другом:
субъективное заключение экспертов или кредитных инспекторов;
автоматизированные системы скоринга.
Методика оценки кредитного риска посредством скоринговых систем, позволяет, оценив набор социальных признаков, характеризующих заемщика, сказать, стоит ли выдавать ему кредит. Эта методика используется уже на протяжении более полувека для оценки кредитоспособности, как предприятий, так и физических лиц. Важной особенностью скоринговых систем является то, что решение о выдаче кредита может приниматься автоматически без участия специалиста.
Согласно общей философии скоринга, не требуется искать объяснения, почему данный клиент не вернул выданные деньги. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. Мы не знаем, вернет ли данный заемщик кредит, но мы знаем, что в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому мы давать кредит этому человеку не будем.
Применение скоринга в маркетинге

Если в области кредитования скоринг применяется уже давно, (по существу, скоринговые системы зародился именно как системы для оценки кредитных рисков в отсутствие квалифицированных экспертов) то в маркетинге идея применения скоринга сравнительно нова.
Предположим, большой супермаркет желает удержать своих постоянных клиентов, посредством различных поощрений (скидки на товары, рассылка рекламы по почте или e-mail и т.д.). Магазин не может снизить цену на все товары сразу, тем самым, угодив всем покупателям, а так же не может сделать рассылку рекламы всем покупателям – это не принесет никакой прибыли. Таким образом, требуется выделить группу покупателей, поощрение которых принесет наибольшую прибыль магазину и интересующие их товары (примечание: согласно принципу Парето 80% прибыли приносят лишь 20% клиентов).
Посредством дисконтных карт, социологических опросов и анкет можно получить некоторую общую информацию о клиентах (пол, возраст, место работы и т.д.) и информацию о том, что и как часто они покупают. Вот теперь требуется качественная скоринговая модель, посредством которой всех покупателей можно разделить на группы согласно их ценности для магазина.
К примеру, клиентов можно разделить по частоте обращения в магазин:
1. раз в неделю и чаще (около 16% клиентов)
2. раз в две недели (около 22% клиентов)
3. раз в месяц (около 17% клиентов)
4. раз в два месяца (около 12% клиентов)
5. реже двух месяцев (остальные)
Или по количеству потраченных денег за месяц:
1. >300$
2. 200-300$
3. 100-200$
4. 50-100$
5. <50$
На основе подобных таблиц скоринга можно выбирать группы потребителей, поощрение которых даст наилучшие результаты.
Резюме

Итак, суть скоринговой системы достаточно проста. Однако за внешней простотой скрывается ряд “подводных камней”. Один из них – это сложность в определении параметров, которые следует включать в модель, и какие весовые коэффициенты должны им соответствовать. Именно от выбора исходных параметров применяемой скоринговой модели в большей степени зависит качество итоговых результатов и, в конечном счете, увеличение прибыли фирмы, которое может быть весьма существенным при грамотно построенной скоринговой модели.
С помощью программных продуктов STATISTICA, STATISTICA Нейронные Сети и STATISTICA Data Miner можно разрабатывать и реализовывать скоринговые системы любой сложности. Подробнее о теоретических основах скоринга и его реализации на базе программных продуктов StatSoft Вы можете узнать, прослушав курс Аналитические технологии современного маркетинга.

http://www.cfin.ru/finanalysis/banks/scoring.shtml

Скоринг как метод оценки кредитного риска

Галина Андреева
Из материалов журнала "Банковские Технологии" Повышение доходности кредитных операций непосредственно связано с качеством оценки кредитного риска. В зависимости от классификации клиента по группам риска банк принимает решение, стоит ли выдавать кредит или нет, какой лимит кредитования и проценты следует устанавливать.
В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании с друг другом:

• субъективое заключение экспертов или кредитных инспекторов;
• автоматизированные системы скоринга.

Данная статья посвящена западной практике использования скоринг-систем, которые в настоящее время широко применяются во всех экономически развитых странах. Хотя скоринг является одним из наиболее успешных примеров использования математических и статистических методов в бизнесе, в российской печати эта тема незаслуженно обойдена вниманием. Цель данной публикации -- восполнить этот пробел и дать общий обзор истории и практики применения скоринга. Так как статья рассчитана на достаточно широкий круг читателей, в ней дается только самое общее описание того, как работает скоринг. Теоретические основы и обоснования правомерности использования того или иного метода здесь не затрагиваются.
Поскольку скоринг используется главным образом при кредитовании физических лиц, особенно в потребительском кредите при необеспеченных ссудах, далее речь пойдет об оценке кредитного риска заемщиков -- физических лиц.

[квит]

↓↓ скоринг физ лиц

http://www.financial-lawyer.ru/newsb...23-528073.html

Скоринг. Применение скоринга при анализе кредитных рисков

Отечественные банки стремятся наpащивать обоpоты pынка потpебительского кpедитования. Однако пока они точно не знают, сколько кому можно давать деньги и под какой процент.
У вас есть хоть небольшой, но собственный бизнес, котоpый позволил вам заpаботать на кваpтиpу, машину и pегуляpный отпуск загpаницей? Вы вполне гоpды собой, спpаведливо относя себя к успешному сpеднему классу, и считаете, что любой отечественный и не только банк был бы счастлив выдать вам кредит? Эх, сколько истоpий именно таких «клиентов», обиженных банками, отказавшими им в выдаче стандаpтного потpебительского кpедита на не самую большую сумму, пpишлось услышать автоpам этих стpок. Банк либо вообще отказывает в кpедите, либо устанавливает непомеpно высокую ставку, либо дает лишь часть тpебуемой суммы. Неpедко истоpия повтоpяется и в дpугих банках. И сбитый столку человек гневно вопpошает: «Чего же им надо?»

Почти всегда от потенциального заемщика тpебуют заполнить анкету, в котоpой нужно ответить на несколько pазной степени хитpости и сложности вопpосов. Пол, возpаст, данные о близких pодственниках, имуществе, pазмеpе и источниках доходов— количество и качество вопpосов pазнятся от банка к банку. Кажется, что в этой анкете вы выглядите вполне пpилично и кpедит вам дадут. Однако чеpез несколько часов или дней — взависимости от банка— вы слышите совсем не то, что хотели. Вам отказывают в кредите, потому что вы не пpошли по скоpингу, или, говоpя пpостым языком, по баллам. И здесь бесполезно пытаться пеpеубеждать pаботников банка, что, мол, кpедит вам вполне по силам и что вы совсем не хуже своего соседа, котоpому «дали». Не поможет— с машиной споpить бесполезно. А именно машина вас и оценила: методом кpедит-скоpинга.

Для чего нужен скоринг

Скоринг при оценке кредитоспособности частных заемщиков появился в банках в качестве компромисса: кpедитный комитет физически не способен рассматривать каждую заявку в индивидуальном порядке, а наpащивать объем выдаваемых кредитов необходимо. Математическая модель, лежащая в основе кредит-скоринга,— попытка с помощью формальных критериев выявить заемщика, который будет платить и желательно по своей доброй воле. Заемщику, считающему себя человеком дисциплинированным и платежеспособным, не стоит обижаться на банкиров, если в кредите ему все-таки отказывают. Скоринговая модель в России— штука новая, а банки лишь учатся применять ее так, чтобы и себе не в убыток было, и бизнес рос. В некотором смысле скоринг самообучается по мере приобретения опыта.

Строго говоря, совершенствовать скоринговые модели можно до бесконечности. Как асимптота бесконечно приближается к своей гиперболе, но никогда не пересекает ее, так и применение самого совершенного и дорогого скоринг-продукта не может гарантировать банку нулевой риск невозврата кредита. Повторимся, кредит-скоринг— продукт сугубо математический, не учитывающий личного мнения банкира относительно персоны заемщика. Задача кредит-скоринга— обеспечить приемлемый размер риска при необходимом уровне выдаваемых кредитов. То есть в целом ускоринга нет цели свести риск невозврата к нулю. Теоретически это, наверное, сделать можно, но тогда придется установить такие жесткие требования, что вряд ли им будет соответствовать мало-мальски значимое количество клиентов. И банку проще будет свернуть свою розничную активность. А вот свести риск невозврата, например, к 1%, при том что масштаб бизнеса по кредитованию будет приносить прибыль,— можно.

«На практике банк ранжирует бывших заемщиков по группам, каждой из которых присваивается характеристика— от надежного заемщика до рискованного»,— поясняет глава российского филиала Experian Scorex Даниэль Зеленский. Как правило, оценка строится на 10-12 основных параметрах — семейное положение, наличие личного автомобиля, частота смены места pаботы ит. д. Исходя из ответов на ряд вопросов, система выставит потенциальному клиенту определенное количество баллов и сопоставит эту оценку с заданным уровнем отсечения — оказавшись ниже этого уpовня, клиент не сможет стать заемщиком банка.

Как банк строит скоринговую модель? По словам руководителя розничного направления Райффайзенбанка Александра Колошенко, для этого есть три основных способа. Во-первых, можно взять профиль некоего целевого клиента и под него настроить модель. То есть модель будет подгонять заемщика к той клиентской базе, которая имелась в распоряжении банка на момент создания модели. Второй способ— пpиобpести уже готовую модель, списанную с дpугой страны. Здесь можно быть почти увеpенным втом, что она подойдет плохо, поэтому банку пpидется оттачивать требования к заемщикам на основе собственного опыта использования этой модели. Безусловно, это будет стоить денег, котоpые банк потеpяет от невозвpатов, пока система не станет более эффективной. Третий способ позволяет создать модель, близкую к идеальной. Именно так зачастую действуют мощные банки, выходящие на рынок с новыми продуктами. Для этого на первом этапе от применения скоринга отказываются в принципе, давая кредиты всем желающим. Банк устраивает клиентам лишь стандартный security check, чтобы отсечь мошенников. Набрав историю по паре тысяч дефолтов, банк может приступать к разработке своей идеальной скоринговой модели. Однако нетрудно подсчитать, в какие затраты это может вылиться. Так, при средней сумме кредита в 5-10 тыс. долларов цена опыта составит порядка 10-20 млн долларов - что далеко не каждому банку по силам.

Что такое учебный скоpинг

Понятно, что у pоссийских банков пока нет достаточной истории, чтобы выстроить модели, которые позволяли бы, с одной стороны, обеспечивать pастущий спрос населения на кредитные продукты, а с другой— минимизиpовать риски банка. Пpиобpетение опыта стоит денег не только банкиpам, но и их клиентам. Ведь повышенные pиски пpиходится закладывать в пpоцентные ставки. Ставки часто получаются уж совсем непpиличными в силу того, что у многих pоссийских банков, выходящих на pынок потpебительского кpедитования, чаще всего нет источника длинных и дешевых денег для развития своего pозничного бизнеса. Чтобы скpыть pеальные пpоцентные ставки, некотоpые банки начинают буквально хулиганить, давая неpеальные pекламные обещания, а на деле пpименяя pазличные скрытые комиссии, штpафы, сложные пpоценты и т. д.

В сумме эти две пpоблемы пpиводят к pосту «плохих» кpедитов и, соответственно, невозвpатов. По данным ЦБ России, объемы просроченной задолженности pастут и составляют поpядка 2%. Вполне умеренно. Но вот гендиректор компании «Франклин & Грант. Финансы ианалитика» Владимир Черкашенко ссылается на оценки компании McKinsey, которая занималась разработкой розничных проектов для ряда банков вРоссии. Согласно их данным, невозврат кредитов в сфере потребительского кредитования составляет уже около 7%.

«В нашей банковской системе почти полностью отсутствуют инструменты, предназначенные для борьбы с невозвратом кредитов,— говорит г-н Чеpкашенко.— Банкам не хватает времени отсортировать ´плохие´ кредиты от ´хороших´, учесть уровни рисков. Тем самым создается устойчивая тенденция накопления ´плохих´ долгов в условиях кредитного бума». О значительной доле невозвратов по некоторым кредитным продуктам говорит и глава коллекторской компании Sequoia Credit Consolidation Елена Докучаева. Стабильнее всего люди платят по ипотечным кредитам— дефолты по ним не превышают одного процента. По автокредитованию это уже порядка 3%. Наиболее рискованны для банков кредитные карты и экспресс-кредитование. Они дают 5-6% и 10-15% дефолтов соответственно. В некоторых банках невозвраты по экспресс-кредитам достигают 20%! С трудом верится, что таким образом банки нарабатывают кредитную историю, выбрав идеальный, но самый затратный метод. Скорее всего просто учатся, настраивая имеющиеся скоринг-модели.

Исходя из этих цифр невозвратов, легко понять, почему банки держат в строжайшем секрете свои наработки в области кредит-скоринга— слишком дорого дается такой опыт. Подобных баз данных не найти на Горбушке - в отличие от баз налоговой инспекции, таможни или ГИБДД. Даже между собой банки такой информацией никогда не обмениваются.

Отсутствие человеческого фактора в пpинятии pешения о выдаче кpедита, возможно, и служит добрую службу банку, но на заемщиках сказывается подчас не лучшим образом. Заместитель председателя правления Инвестсбербанка Максим Чернущенко поясняет, что каждый банк по-своему определяет понятие идеального заемщика, а значит, и параметры оценки клиента у банков могут различаться. «Возрастной порог заемщика в каждом банке индивидуален, - говорит он. Иногда быть молодым - значит иметь неустойчивое пока финансовое положение, а в преклонном возрасте платежеспособность может иссякнуть в любой момент». Александр Колошенко приводит другой пример: «В зависимости от суммы кредита и возраста клиента наличие детей может быть как положительным, так и отрицательным фактором. И для кредита под покупку дорогой машины, например, дети, живущие отдельно, считаются большим плюсом. А для дешевых— нет».

В чем сходятся все эксперты - от кредит-скоринга они ждут, что он поможет в экспресс-варианте оценить модель поведения заемщика. «Особенно важным это становится, если у клиента устанавливаются долгосрочные кредитные отношения с банком,— говорит Александр Колошенко.— Короткий кредит, например на полгода, можно давать почти всем — человек будет платить. По мировой статистике— и наш опыт это подтверждает,— пик дефолтов наступает в диапазоне 12-18 месяцев». «Кредитоспособность клиента— это его желание и возможность платить за кредит, которая выражается простой аббревиатурой WAS, где W(wiliness)— желание, A(ability)— возможность, S(stability)— стабильность»,— говорит Максим Чернущенко.

Показателем желания служит кредитная история заемщика. Поэтому лучше стать постоянным клиентом одного банка, зарекомендовав себя в качестве положительного заемщика. Возможность— это уровень дохода заемщика. Однако не всегда высокий доход играет на руку потенциальному заемщику. Скоринговая система может отсеять людей как с низким доходом, так и с высоким. Представитель одного из российских банков рассказал об одном из типичных случаев. Молодому человеку с зарплатой в 2500долларов, желающему воспользоваться кредитом в 1000долларов, в кредите отказали однозначно. По словам банкира, желание получить кредит на ползарплаты говорит о низкой платежной дисциплине клиента. Такой человек неразумно тратит деньги, и вероятность того, что он с легкостью забудет про свой долг или будет нерегулярно выплачивать проценты, достаточно велика.

Другой пример, связанный с платежной дисциплиной. Как известно, банки не хотят предоставлять ипотечные кредиты людям, которые не могут накопить на первый взнос по кредиту, имея при этом зарплату, достаточную для того, чтобы претендовать на ипотеку. При этом банки не готовы делать это даже на условиях страхования кредита от невыплаты (такую возможность предусматривает Закон об ипотеке). Банкиры объясняют, что клиент, неспособный накопить на первый взнос, не умеет грамотно распоряжаться своими средствами. Пока такие клиенты банку не интересны: достаточно и тех заемщиков, которые могут сделать первый взнос самостоятельно.

Стабильность заемщика

О третьем критерии— стабильности заемщика— расскажет его трудовая книжка и социальный статус. «Система даст отрицательный балл ´летунам´ — людям, часто меняющим место работы,— а также молодым незамужним девушкам»,— говорит г-н Чернущенко. По его словам, девушки, не обремененные семьей и детьми, тоже не обладают достаточной ответственностью. Но не все банки считают незамужних женщин рискованными клиентами. «По статистике, женщины при выплате кредитов проявляют большую ответственность, чем мужчины»,— говорит заместитель директора департамента розничного бизнеса Росбанка Дмитрий Вечканов.

Некоторые банки с предубеждением относятся к юристам, политикам и журналистам. «Например, адвокат в случае спора с банком может легко отстоять в суде свое право и даже ´неправо´»,— иронизирует один банкир. Журналисты тоже заставляют нервничать кредитных инспекторов. По их мнению, единственной реальной целью заявки на кредит от журналиста может быть желание выведать секретную информацию о банке изатем подвергнуть банк обструкции. Ну а политики вообще «темные лошадки». Впрочем, в большинстве банков сомневаются, что политик пойдет в банк, чтобы получить кредит на неотложные нужды.

По мнению Владимира Черкашенко из «Франклин & Грант. Финансы и аналитика», банки сегодня напрасно игнорируют параметры, характеризующие региональную и отраслевую специфику заемщика. Россия слишком разнородна. «Модель различается не только от страны к стране, но и от Москвы к Питеру, например,— говорит Александр Колошенко из Райффазенбанка.— Например, стабильность клиента зачастую определяется структурой работодателей в регионе его проживания. В Москве большинство людей заняты вкрупном и среднем бизнесе. И человеку при желании легко сменить место работы, оставшись при этом в своей профессиональной среде. В регионе, если человек работает на крупную компанию и покаким-то причинам теряет место pаботы, шансы найти адекватную замену с сохранением уровня дохода очень малы».

Руководитель блока «Розничный бизнес» Промсвязьбанка Валерий Кардашов добавляет, что к отказу вкредите часто ведут и попытки потенциальных клиентов скрыть некоторые факты своей биографии. «Клиент представил в банк неполную информацию о себе либо у него были правонарушения. Часто причиной отказа является наличие кредитов в других банках, о чем заемщики стараются банку не сообщать»,— комментирует он. Де-факто банки часто обмениваются между собой информацией о заемщиках, поэтому скрывать наличие других кредитов не рекомендуется— все равно узнают. А скоро узнавать данные о заемщиках банкам помогут и кредитные бюро.

Подводя итоги

Что же делать «отказникам», которые считают, что к ним отнеслись не справедливо? Ждать — все это издержки молодости банковского розничного сектора. Тем, кому отказали в кредите уже внескольких банках, не стоит отчаиваться: со временем банки могут изменить свою систему ценностей. Или изменится список банков, работающих на розничном рынке. Согласно западной статистике, средняя продолжительность жизни банка, работающего на рынке потребительского кредитования, составляет семь лет. А средняя продолжительность жизни человека — семьдесят.

[квит]

↓↓ скоринг юр лиц

http://www.consumerlending.ru/produc...Scoring/print/

Система EGAR Market Scoring - скоринг Ȧридических лиц
EGAR Market Scoring - система оценки кредитоспособности компаний-представителей среднего и
крупного бизнеса реалȤного сектора ȥкономики.
EGAR Market Scoring позволȧет рассчитатȤ вероȧтностȤ банкротства компании-заемщика за период
кредитной сделки. На основании расчетов кредитор может предоставитȤ обоснованнȣе условиȧ
кредитованиȧ заемщика.
Длȧ проведениȧ скоринга требуетсȧ предоставление заемщиком кварталȤнȣх финансовȣх отчетов за год
и дополнителȤной информации о деталȧх своего бизнеса. Оценка разбиваетсȧ на два ȥтапа - вȣчисление
финансовȣх показателей и базовой среднегодовой вероȧтности дефолта по ним, а затем дополнителȤнаȧ
ȥкспертнаȧ оценка с вȣводом поправочного коȥффициента к базовой вероȧтности.
На основании вȣчислȧемȣх характеристик, зависȧщих от суммȣ предполагаемого кредита, залога,
надежности обеспечениȧ, длинȣ сделки, кредитной маржи и общих параметров портфелȧ делаетсȧ вȣвод
о целесообразности длȧ банка кредитованиȧ заемщика или предоставлениȧ ему алȤтернативнȣх условий
сделки, приемлемȣх длȧ кредитора.
Оценка базовой вероȧтности дефолта происходит по формуле, калиброванной на оценке рȣнком
вероȧтностей дефолта российских открȣтȣх компаний. Непосредственной калибровочной базой ȧвлȧȦтсȧ
временнȣе рȧдȣ котировок акций и облигаций российского рȣнка ценнȣх бумаг и финансовȣе
показатели открȣтȣх компаний.
Длȧ получениȧ оценок вероȧтностей дефолта, даваемȣх рȣнком, исполȤзуȦтсȧ структурнȣе модели и
модели кредитнȣх спрȥдов.
К первȣм относитсȧ моделȤ Credit Grades, исполȤзуȦщаȧ в своей основе идеȦ Нобелевского лауреата
Роберта Мертона о соответствии рȣночной капитализации компании и опциона на покупку компании, цена
которого соответствует вероȧтности неисполнениȧ, т.е. банкротства компании на заданном временном
горизонте.
МоделȤ кредитного спрȥда облигации (Bonds Spreads) проводит соответствие вероȧтности дефолта и
разности в доходностȧх между опорнȣми (спот) и корпоративнȣми облигациȧми.
В калибровке участвуȦт временнȣе рȧдȣ котировок и показателей сотни российских открȣтȣх компаний

↓↓ еще

http://www.diplom-kaluga.ru/clauses/show20/

Внедрение скоринга для оптимизации деятельности коммерческого банка на рынке кредитования юридических лиц

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

Скоринг, по существу, является методом классификации всей интересующей нас популяции на различные группы, когда нам неизвестна характеристика, которая разделяет эти группы (вернет клиент кредит или нет), на зато известны другие характеристики, связанные с интересующей нас. В статистике идеи классификации популяции на группы были разработаны Фишером в 1936 г. на примере растений. В 1941 г. Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». По времени это совпало со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем.

Сегодня известно достаточно много методик кредитного скоринга. Одной из самых известных яв*ляется модель Дюрана. Дюран выделил группы фак*торов, позволяющих максимально определить степень кредитного риска, и коэффициенты для различных факторов, характеризующих кредитоспособность фи*зического лица: пол, возраст, срок проживания в дан*ной местности, профессия, финансовые показатели, работа, занятость.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интеграль*ный показатель (score). Чем он выше, тем выше на*дежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособно*сти.

Сегодня на российском рынке существуют разные мнения по поводу того, что следует понимать под словом «скоринг». Одни называют этим термином автоматизацию бизнес-процесса принятия решения по кредитованию. В этом случае подразумевается, что скоринговая система обеспечивает маршрутизацию кредитных заявок и автоматизацию рабочих мест сотрудников банка, занимающихся выдачей кредита. Для других скоринг — это процесс формирования скоринговой карты, т.е. математический расчет скорингового балла на основе введенных данных. По словам Даниэля Зеленского, главы филиала Experian-Scorex Russia, кредитный скоринг представляет собой широко используемый компаниями метод внутренней оценки портфеля рисков и управления им. Он позволяет оценить вероятность будущей неплатежеспособности потенциального клиента или заемщика, уже получившего кредит. Этот метод может применяться на различных этапах взаимоотношений между компанией и клиентом: на момент подачи заявки, в ходе оценки поведения клиента и при возврате кредита.

Для создания скоринговых карт требуются данные разного плана. Так, для заявочной скоринговой карты необходима в основном социально-демографическая информация. В процессе создания такой карты нужно установить оптимальное соотношение между сведениями, имеющимися на момент подачи заявки, и информацией о поведении клиента за последнее время.

На старте, в условиях неразвитости соответствующих информационных технологий и при реальном отсутствии исторических данных по возвратам кредитов, российские банки вынуждены были заказывать разработку скоринговых карт компаниям, специализирующимся на подобных услугах, рассказывает Александр Гвоздев, директор по маркетингу компании «SAS Россия». Однако эта услуга стоит дорого, а необходимость периодического пересчета скоринговых карт в соответствии с изменяющимися условиями рынка розничного кредитования создает ощутимую статью затрат для банков. Эксперт подчеркивает, что сегодня банки могут самостоятельно разрабатывать скоринговые карты. Расчеты показывают, что период окупаемости проекта по внедрению банковской системы кредитного скоринга составляет от нескольких месяцев до года. Более того, использование скоринговой системы банком позволяет получить не просто скоринговую карту, но и полное представление о качестве и структуре кредитного портфеля, а также понимание того, какие риски и доходность характерны для того или иного порогового балла отсечения при принятии решения о выдаче кредитов. Таким образом, банк контролирует свою деятельность и управляет ею в области розничного кредитования.

В зависимости от задач, которые должен решать скоринг, он бывает нескольких видов:
- Application scoring (скоринг заявителя) – оценивается вероятность того, что новый клиент не выплатит кредит;
- Behavioral scoring (поведенческий скоринг) – вычисляют уровни риска существующих должников на основе имеющихся данных о поведении заемщиков;
- Collection scoring (скоринг для работы с просроченной задолженностью) – определяют, когда и какие именно меры должны быть приняты в отношении неплательщиков;
- Fraud scoring (скоринг против мошенников) – оценивается вероятность того, что новый клиент не является мошенником;
- Response scoring (скоринг отклика) – оценивают реакцию потребителя (отклик) на направление ему предложения;
- Attrition scoring (скоринг потерь) – оценивают вероятность использования продукта в дальнейшем или переход к другому поставщику продукта.

Учитывая незрелость рынка потребительского кредитования в России, сейчас самый распространенный в РФ скоринг – скоринг заявителя. Пока он, в основном, применяется в экспресс-кредитовании на небольшие суммы, где решение принимается за час, и скоринг, скорее всего, является единственным инструментом оценки кредитоспособности заемщика (в отношении мошенников, как правило, используется «черный список»). При этом нужно понимать, что, выдавая кредиты на значительные суммы по достаточно низким ставкам, банк должен более детально проверить заемщика. Однако иногда скоринг используется и для автокредитов, и даже для ипотеки, но не в том виде, как в экспресс-кредитовании. Например, в ипотеке скоринговые схемы используются для сортировки заявок на кредит на группы в зависимости от требуемого подтверждения анкетной информации и проверки заемщика. Таким образом, с точки зрения заемщика, это все равно будет аналогично «стандартному» процессу рассмотрения заявки.

Процесс получения информации для скоринга начинается с заполнения анкеты заемщика. После сбора и проверки информации на достоверность - если клиент соответствует целевой аудитории банка - она попадает в скоринговую модель, которая дает оценку риска. Для заемщика рассчитывается скоринг-балл, как сумма баллов, соответствующих его признакам. При этом скоринг, как статистический метод оценки кредитоспособности, не дает абсолютной уверенности в принятом решении и не является 100% гарантом благонадежности заемщика. Однако как оперативное, статистически обоснованное, а иногда просто предварительное (рекомендательный характер) мнение он вполне может быть использован. Например, скоринг, исходя из кредитного риска, может рекомендовать более детальную проверку клиента, повышение процентной ставки, лимитирование суммы кредита и так далее, исходя из кредитного риска на конкретного человека.

Если клиенту отказали в получении кредита в одном банке, то это совершенно не значит, что ему откажут и в другом (если не считать случаев мошенничества) – скоринги у разных банков разные, исходя из особенностей клиентской базы. Поэтому можно попробовать получить ссуду у другого кредитора, ведь с очень большой долей вероятности там будет скоринг с отличными характеристиками, а, значит, и решение будет иным.

Сопоставляя системы западного и российского производства, нужно учитывать несколько факторов: начиная от степени зрелости того или иного локального рынка и заканчивая объемом инвестиций, направляемых на развитие систем. Сергей Анохин, менеджер по развитию бизнеса компании «SAS Россия», финансовый сектор, подчеркивает, что западные поставщики инвестируют в разы больше средств, чем отечественные. В результате этого у российских систем меньший набор возможностей и аналитических методов формирования скоринговых моделей и карт.

Дмитрий Максимов, директор департамента системной интеграции и консалтинга компании «ОТР», отмечает активную деятельность на российском рынке зарубежных поставщиков скоринговых систем, успешно занимающихся бизнесом на Западе. Часть этих компаний для реализации проектов по внедрению и сопровождению систем открывает в России представительства, дочерние структуры или аффилированные компании с участием в капитале. Эксперт уверен, что большинство крупных банков предпочитают внедрять уже апробированные международным банковским сообществом системы западного производства, западные методики, пытаясь адаптировать их к российской действительности. «Отечественные производители также существуют, они пытаются активно выходить на рынок. Однако реальных внедрений, действующих систем, которые работали бы в банках, у них не очень много», — говорит Дмитрий Максимов.

Помимо снижения проектных рисков «западный выбор» имеет и репутационные преимущества, т.к. западные игроки хорошо узнаваемы в Европе и США, что положительно сказывается при установлении корреспондентских и партнерских отношений с зарубежными банками.

Средние и малые банки чаще делают выбор в сторону российских производителей, стоимость систем которых, как правило, ниже. Хотя в последнее время западные поставщики формируют специальные предложения для средних и малых банков, что может скорректировать ситуацию и в этом сегменте.

Наряду с некоторыми преимуществами западные скоринговые системы имеют и ряд недостатков, отмечает Дмитрий Максимов (компания «ОТР»). «И главный из них заключается в том, что они слабо учитывают специфику российской действительности», — говорит он. Поэтому, возможно, не стоит слепо переносить многолетний западный опыт на еще зеленую почву российского рынка кредитования.

Безусловно, западные системы значительно более функциональны, чем российские разработки. Однако заставить их работать в России трудно, для этого необходимо пройти сложный процесс внедрения, интеграции и адаптации, подчеркивают финансовые аналитики компании EGAR Technology.

Денис Кочедыков, руководитель направления скоринговых решений компании Forecsys, уверен, что в нашей стране, где кредитная история клиентов в лучшем случае насчитывает пару лет, а типичное для среднего банка количество кредитов, по которым уже завершены выплаты, — порядка нескольких сотен, стандартные статистические методы, применяемые в западных системах, работают плохо. В России и на Западе характеристики, входящие в скоринговые модели (стаж работы на конкретном месте, профессиональный уровень, возраст заемщика и др.), оказывают различное влияние на кредитоспособность клиента. В нашей стране фактически отсутствует институт кредитных бюро и, соответственно, не работают методы оценки заемщика, основанные на его кредитной истории.

Скоринговые модели необходимо разрабатывать на самых свежих данных, периодически проверять качество их работы, иметь возможность быстро и дешево перенастраивать модель при изменении кредитной политики. «Банк должен иметь возможность «держать руку на пульсе» собственного скоринга», — говорит Денис Кочедыков. Схемы же сотрудничества и скоринговые системы западных компаний часто являются закрытыми — при необходимости что-то адаптировать банку приходится вновь и вновь обращаться к западному поставщику.

«Особенность российской разработки в том, что при оценке заемщиков используются новейшие научные достижения в области прикладной математики, которые, по признанию многих западных экспертов, опережают зарубежный уровень примерно на 10—15 лет», — комментирует ситуацию член-корреспондент Российской академии наук, руководитель отдела методов прогнозирования Вычислительного центра РАН, профессор Константин Рудаков.

Известны случаи, когда российские банки, купив сначала западную скоринговую систему, затем отказывались от ее использования и внедряли российское решение.

Учитывая бурное развитие розничного кредитования и стремление банков к региональной экспансии, очень важно, чтобы скоринговая система была способна расти вместе с бизнесом, поддерживать работу в разных регионах, оперировать значительными массивами данных. Поэтому наряду с требованиями надежности и масштабируемости одним из главных критериев выбора скоринговой системы становится ее адаптируемость к условиям работы конкретного банка, отмечает Павел Бритов, менеджер по технической поддержке продаж компании «SAS Россия». Скоринговой системе нужно уметь оперативно подстраиваться под постоянно меняющиеся условия рынка, регулярно выдавая корректировки к скорингу. Пересчет скоринговых карт не должен занимать много времени. Для этого система должна быстро и оперативно анализировать большие объемы поступающей исторической информации, выполняя корректировку математической модели, производящей скоринг.

Дмитрий Максимов («ОТР») среди критериев выбора скоринговых систем назвал сроки и успешность внедрения, наличие локализованной версии (адаптация под российскую специфику, документация и интерфейс пользователя на русском языке) и цену. Кстати, последний критерий становится достаточно важным при выборе скоринговой системы. При покупке скоринговой системы банку придется выложить круглую сумму, начиная от нескольких сотен тысяч долларов, которые будут потрачены на приобретение программного и аппаратного обеспечения, внедрение и сопровождение.

Еще один очень важный момент — открытость системы. Этот критерий подразумевает не только возможность внесения изменений в моделирование и скоринг, но также и простоту «отчуждения» сформированой скоринговой модели для встраивания в систему оперативной работы с клиентом (front-end). При этом система должна быть понятной банку, чтобы кредитная организация была уверена в получаемых результатах и принимаемых решениях. Другой стороной открытости является возможность вводить необходимые коррективы и поправки в процессе формирования скоринговых карт для учета работы банка и стратегии развития в розничном кредитовании.

Председатель совета директоров компании EGAR Technology Геннадий Иоффе уверен, что при выборе скоринговой системы возникает основной вопрос, что нужно банку: просто «скоринговый калькулятор» или автоматизация всего бизнес-процесса скоринга. Каждая кредитная организация решает это для себя.

Одним из главных критериев, предъявляемых к современной скоринговой системе в реалиях существующего рынка банковского кредитования, является индивидуальность использования. Формируя свою клиентскую базу, сейчас практически любой банк руководствуется собственными требованиями к потенциальным заемщикам. Таким образом, современная скоринговая система должна уметь подстраиваться и настраиваться на работу с учетом специфики обслуживания каждого из клиентов. Система должна гибко реагировать на различные сегменты потребителей, а также на типы банковских продуктов, учитывая при этом организационную структуру банка, его территориальное распределение.

Итак, скоринг представляет собой автоматизированные системы оценки кредитного риска, которые широко используются в США и Западной Европе. В качестве исходного материала для скоринга используется разнообразная информация о прошлых клиентах, на основе которой с помощью различных статистических и нестатистических методов классификации делается прогноз о кредитоспособности будущих заемщиков. Скоринг-системы позволяют банковским работникам быстро принимать решения о кредитовании, регулировать объемы кредитования в зависимости от ситуации на рынке и определять оптимальное соотношение между доходностью кредитных операций и уровнем риска.

Среди преимуществ скоринговых систем запад*ные банкиры указывают снижение уровня невозврата кредита, быстроту и беспристрастность в принятии решений, возможность эффективного управления кредитным портфелем, отсутствие необходимости длительного обучения персонала.

Основной недостаток скоринговой системы оценки кредитоспособности физических лиц - ее низ*кая адаптируемость. Используемая же для оценки кредитоспособности система должна отвечать на*стоящему положению дел. Например, в США счита*ется плюсом, если человек поменял много мест рабо*ты, что говорит о его востребованности. В нашей стране было наоборот - данное обстоятельство свиде*тельствовало, что человек либо не может ужиться с коллективом, либо он малоценный специалист, и, со*ответственно, повышается вероятность просрочки в платежах.

Сложность заключается только в выборе харак*теристик, т. е. какая информация является существен*ной, а какой можно пренебречь. Выборка подразделя*ется на две группы: «хорошие» и «плохие» риски. В Западной Европе «плохим риском» считается клиент, задерживающийся с очередной выплатой на три ме*сяца, либо клиент, слишком рано возвращающий кре*дит, банк не успевает ничего на нем заработать. В настоящее время скоринг, широко применяемый во всех экономически развитых странах, вероятнее все*го, будет использоваться и в России. И скорее будет применим к юридическим, а не к физическим лицам, потому что у банков накоплено гораздо больше ин*формации о предприятиях (с использованием балль*ных систем оценки риска различной сложности).

Интерес к скорингу не ослабнет, а будет нарастать в ближайшие годы. Вся информация по заемщикам будет постепенно аккумулироваться и банки наконец-то смогут ее использовать в своих нуждах. Каждый банк заинтересован в том, чтобы выдаваемые им кредиты были качественные, чтобы клиент вовремя гасил и основную сумму долга, и проценты по нему. Если смотреть на проблему с этой точки зрения, то все кредитные организации, которые серьезно нацелены на развитие розничного направления, рано или поздно начнут использовать скоринг, и у банков появится серьезная заинтересованность во внедрении качественных скоринговых систем.

Еще одним вариантом оценки кредитоспособности является применение алгоритмов, методом авто*матического анализа данных, т. е. отнесения какого-либо потенциального заемщика к одному из заранее известных классов (давать / не давать кредит). Такого рода задачи с большим успехом решаются одним из методов DataMining — при помощи «деревьев реше*ний». Получаемая модель - это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.

Сущность этого метода заключается в следующем.
На основе данных за прошлые периоды строится дерево. При этом класс каждой из ситуаций, на осно*вании которых строится дерево, заранее известен. В нашем случае следует знать, были ли возвращены основная сумма долга и проценты и не было ли про*срочек в платежах. При построении дерева все из*вестные ситуации обучающей выборки сначала попа*дают в верхний узел, а потом распределяются по уз*лам, которые в свою очередь также могут быть разби*ты на дочерние узлы. Критерий разбиения - это раз*личные значения какого-либо входного фактора. Для определения поля, по которому будет происходить разбиение, используется показатель, называемый эн*тропия, или мера неопределенности. Выбирается то поле, при разбиении по которому устраняется больше неопределенности. Неопределенность тем выше, чем больше примесей (объектов, относящихся к различ*ным классам) находятся в одном узле. Энтропия равна нулю, если в узле будут находиться объекты, отно*сящиеся к одному классу.

Полученную модель используют при определе*нии класса (давать / не давать кредит) вновь возникших ситуаций (поступила заявка на получение кредита).

При значительном изменении текущей ситуации на рынке дерево можно перестроить, т. е. адаптиро*вать к существующей обстановке.

Используя такой подход, можно устранить не*достатки скоринговой системы оценки кредитоспо*собности.

Дальнейшие усовершенствования модели оценки кредитоспособности физического лица на основе тех*нологии интеллектуального анализа данных DataMining (с использованием деревьев решений) могут за*трагивать следующие моменты: более точный подбор определяющих заемщика факторов; изменение самой постановки задачи, например, вместо двух значений целевого параметра можно использовать более де*тальную информацию (вернул / не вернул / не вовре*мя), или в качестве целевого значения - вероятность того, что деньги выплачены вовремя.

Различные методики отличаются друг от друга числом показателей, применяемых в качестве состав*ных частей общего рейтинга заемщика, а также раз*личными подходами к самим характеристикам и при*оритетностью каждой из них. Если бы состав показа*телей был универсальным для всех банков и стран, то можно было бы обмениваться статистикой и мозаич*но набирать полную картину. При этом нельзя не от*метить отсутствие единства у стран, банков и авторов в выборе системы показателей. В рамках дилеммы «риск - доходность» заемщики, имеющие более сла*бые финансовые позиции (более подверженные рис*ку), должны платить за кредит больше, чем более на*дежные заемщики.

[квит]

кто-нибудь уже получал кредит под энергосервисный контракт?

поделитесь инфой )))))