ИСПОЛЬЗОВАНИЕ СКОРРИНГОВЫХ СИСТЕМ В РОССИЙСКИХ БАНКАХ

  

 А.С. Пищулин Директор компании Scorto

 

 

 

  

 

       С.Л. Добриднюк Заместитель Директора розничного направления Компании Диасофт

 

 

 

 

      Пробему роста кредитной задолженности физических лиц сейчас не обсуждает только ленивый. И действительно, согласно исследованию РА Эксперт «Банковский 3D-риск менеджмент:движение в тумане», накопленные розничные риски угрожающе заявляют о себе ростом невозвратов. Доля просроченной задолженности «физиков» за последние полтора года выросла с 1,57 до 2,71%

 

       Причин этому много, они многократно обсуждались и обсуждаются как в средствах массовой информации, так и на межбанковских форумах
и конференциях. В рамках этой статьи мы рассмотрим технологическую составляющую проблемы, которая в первую очередь связана с использованием систем кредитного скоринга.

       Кредитный скоринг на сегодня можно признать наиболее наукоемким, интересным и серьезным программным продуктом для обслуживания розничных клиентов. Так или иначе, с термином «скоринг» сталкивались банки, работающие в нише потребительского кредитования. С его помощью оценивается риск выдачи кредита заемщику. Но он может применяться и для мониторинга текущих операций, выявлять скрытые закономерности в поведении заемщика («поведенческий скоринг»), для конструирования новых продуктов.
Математический аппарат скоринговых систем может сегментировать клиентскую базу, обеспечивая сбалансированный кредитный портфель.

       Почему же при всей узнаваемости данного термина скоринг нечасто присутствует в розничных системах банков?

       Одна из причин – информационная закрытость таких модулей. Банки, впервые применившие данный инструмент, не заинтересованы в разглашении деталей их реализации (и это вполне понятно). Договоры с разработчиками носят эксклюзивный характер, связывая банк и партнеров очень жесткими условиями о неразглашении коммерческой тайны.

      Второй причиной, влияющей на «непопулярность» скоринга, является невысокая точность, которую показывают простейшие статистические инструменты в условиях отсутствия достаточной статистики и кредитной истории. Поэтому банк в большей степени обращает внимание на достоверность первичных клиентских документов, таких как удостоверение личности, прописка, социальное положение, нежели на выводы, которые можно из них сделать.

      И третья причина заключается в том, что сегодня существует большое количество популярных скоринговых методик, начиная от простейшей – «экспертной» и заканчивая сложными методиками с применением аппарата нейронной логики, деревьев решений или разных вариантов регрессионного анализа. Российское банковское сообщество, к сожалению, даже не имеет хоть каких-то серьезных переведенных монографий на эту тему, поскольку расцвет скорингового бизнеса пришелся на 80-90-е гг., тогда серьезные математические книги на русский язык не переводились. Большинство литературы на тему скоринга существует только на английском языке.

       Фаза перехода от простой методики к более сложной требует подключения не только переводчиков, но и специалистов-математиков – обычно банк так и остается на начальной схеме работы, не успевая перейти на следующую технологическую ступень.

       Экспертная модель на первом этапе дает действительно хорошую точность, однако второго шага, по мере втягивания в кредитный бизнес, например переход на методику лог-регрессии (которая является самой популярной на Западе), банк не делает. Поэтому на вопрос, есть ли у вас скоринг, банк формально может сказать, что есть, но вопрос «какой» выведет нас на примитивные таблицы в Excel – именно в Exсel сегодня реализовано порядка 90% используемых в банках методик. С одной стороны, это обеспечивает простоту вычисления и работы, с другой – порождает достаточно серьезные проблемы:

• Децентрализованность системы оценки
• Невозможность построения сложной стратегии принятия решения
• Скоринговые карты основаны на экспертных знаниях кредитных аналитиков банка, что ограничивает их качество и уменьшает клиентскую базу
• Невозможность осуществления быстрых решений департамента риска кредитной организации – смена или корректировка методики оценки превращается в длительную процедуру, учитывая большое количество точек обслуживания
• Открытость и незащищенность методики оценки – любой человек, имеющий определенные навыки, может «взломать» методику оценки и в дальнейшем «подстроиться под хорошего» заемщика. Это касается не только рисков мошенничества, но и «помощи», оказываемой заемщикам кредитными инспекторами (нельзя забывать, что эти сотрудники стремятся к максимальному объему привлеченных кредитов,
  никак не отвечая за их возврат)
• И самое важное – при использовании такого подхода невозможно дать ответы на ряд вопросов, которые интересуют любой банк, работающий на рынке кредитования физических лиц. Например, почему ухудшается качество кредитного портфеля? Что необходимо сделать для более точной оценки заемщика? Как следует изменить расчет оценки с учетом существующего опыта? Список можно продолжить…

       Актуальность различных типов скорринга

       Рассмотрим, какие типы скоринга существуют и какие из них сегодня наиболее актуальны для российских банков.

       Application-скоринг – оценка кредитоспособности заемщиков для получения кредита.

       Вопрос адекватной оценки кредитозаемщика на стадии получения кредита стоит для отечественных банков крайне остро. По оценкам «РА Эксперт», весомая часть просроченной задолженности – «заслуга» нескольких банков из топ-50, а с учетом ссуд, переданных коллекторским агентствам, доля «плохих долгов» в объеме кредитов физическим лицам у ряда игроков банковского розничного рынка
достигает 25%. Таким образом, можно смело утверждать, что Application-скоринг в настоящее время является наиболее актуальным типом скоринга для России.

       Collection-скоринг – определение приоритетных дел и направлений работы в отношении заемщиков, состояние кредитного счета которых классифицировано как «неудовлетворительное».

       В последнее время российские банки все чаще и чаще поднимают вопрос о необходимости использования Collection-скоринга в повседневной работе. Использование этого типа скоринга позволяет вести планомерную работу с просроченной задолженностью до момента ее передачи в коллекторское агентство.  Опыт показывает, что значительную часть задолженности в ходе этой работы удается ликвидировать. Например, согласно результатам ряда исследований около 40% всех неплатежей приходится на забывчивых заемщиков, которые без всякого умысла забывают внести платеж по кредиту и «исправляются» после первых напоминаний.

       Behavioral-скоринг (поведенческий скоринг) – оценка динамики состояния кредитного счета заемщика.

       Используемые для этой задачи вероятностные скоринговые модели позволяют спрогнозировать изменение платежеспособности заемщика, определить оптимальные лимиты по кредитной карте и т.д.
Например, на основании поведения заемщика за предыдущие пять месяцев можно спрогнозировать его поведение в последующие два месяца. В России этот тип скоринга практически не применяется, причем не столько в силу отсутствия необходимости, сколько из-за отсутствия скоринговых систем, способных решать подобные задачи.

       Fraud-скоринг – оценка вероятности мошенничества потенциального заемщика.

        Этот тип скоринга, как правило, используется в связке с Application- и Behavioral-скорингом для более детального анализа поведения заемщиков.  Его актуальность для российского рынка достаточно велика. По данным ряда отечественных банков, откровенное мошенничество составляет до 10% от всех неплатежей, и этот показатель с каждым годом продолжает медленно, но неуклонно увеличиваться.

       Функциональные возможности полноценной системы кредитного скоринга

• Возможность создания скоринговых моделей, как экспертных, так и математических, а также анализ и оценка финансовой эффективности вновь созданных моделей а базе кредитного портфеля и быстрая (в течение нескольких минут) интеграция их в работу. Обычно эту возможность предоставляют специализированные приложения, которые позволяют создавать различные модели оценки
  заемщиков, начиная от простых балльных и заканчивая кластерным анализом, деревьями решений и нейросетями. Причем использоваться такие модели могут на разных этапах работы с заемщиком – как на этапе оценки заемщика при выдаче кредита, так и для скоринга мошенничества, прогнозирования своевременных взносов на погашение кредита и т.п.
• <Создание и дальнейшее использование стратегий анализа заемщиков. Возможность оперативно создать, настроить и запустить в работу новый кредитный продукт является абсолютно необходимым качеством при
  работе на таком динамичном рынке, как российский рынок кредитования физических лиц.
• Использование для анализа и скоринга информации из внешних источников – черные списки, кредитные бюро, локальные базы данных. Такой подход позволяет использовать наиболее полный набор информации о заемщике на этапе рассмотрения кредитной заявки.
• Возможность простого создания и управления правилами кредитной политики – система бонусов/ штрафов для оценки потенциального заемщика. Данная особенность дает возможность снизить риски, связанные с использованием некачественных скоринговых моделей либо с их отсутствием.
  При помощи различных правил, задаваемых кредитным аналитиком или риск-менеджером, создается система формирования рейтинга заемщика, где одни правила-условия увеличивают рейтинг, а другие уменьшают.
• Создание и управление правилами распределения заявок для кредитных специалистов с различными правами/ролями. Одна из самых распространенных задач состоит в определении специалиста, которому при необходимости должна отправляться на рассмотрение та или иная заявка. Как правило «уровней» таких специалистов может быть много, начиная с сотрудника экономической безопасности и заканчивая кредитными экспертами.
• Гибкая настройка интерпретации скорингового рейтинга для кредитных специалистов. Важный элемент поддержки процесса принятия решения – возможность выработки скоринговой системой рекомендаций, замечаний, подсказок и различного рода сообщений, что обеспечивает максимально объективную и качественную оценку заемщика. Правила формирования подобного рода сообщений определяет кредитный департамент или департамент риск-менеджмента.
• Возможность быстрой и качественной оценки динамики изменения состояния кредитного счета отдельного заемщика и кредитного портфеля в целом. С использованием развитой системы отчетности можно отслеживать адекватность работы
  как всей системы в целом, так и используемых скоринговых моделей и стратегий оценки заемщиков.
   

      
       Особенности адаптации скоринговых моделей

      За внешней простотой построения скоринговой системы скрывается ряд «подводных камней», которые существенно влияют на адаптацию и настройку скоринговых моделей.

       Ключевая проблема – это сложность в определении, какие характеристики следует включать в модель и какие весовые коэффициенты должны им соответствовать.
Для решения этой проблемы могут использоваться разные подходы. Наш опыт, реализованный в системе Diasoft FA# Retail, Scorto, показала, что лучше всего использовать программные продукты, имеющие возможность работать с несколькими скоринговыми моделями, делающими между ними автоматическое переключение в зависимости от распознанного клиентского сегмента. В них ведутся так называемые «скоринговые схемы» – системы, включающие в себя десятки скоринговых карт, математических подходов, состязаний методик и конструкторы переходов, трансформации данных, дополнительных проверок первичных данных. В данном случае схемы получаются очень интересными и обеспечивают распознавание «плохой/хороший клиент» до статистически значимых математических величин – свыше 70-75%.

       Размер выборки не является проблемой в западных странах, однако в России полноценными историческими данными по выданным кредитам обладают далеко не все банки. Применять западные методики напрямую нельзя, в том числе и потому, что они основаны на анализе западных заемщиков, менталитет которых все-таки заметно отличается от российского. Например, западные системы рекомендуют повышать рейтинг с возрастом — в российской действительности это означает, что пенсионер при прочих равных окажется более кредитоспособным, чем, например, молодой специалист. Наиболее эффективным вариантом решения данной задачи на сегодняшний день является адаптация отечественной скоринговой системы при помощи аналитических средств и на основе информации, накопленной конкретным банком в каждом конкретном регионе. Для решения этой проблемы в Diasoft FA# Retail, Scorto используются методы, называемые cross-validation. Такой подход позволяет с большой степенью эффективности строить модели даже на сравнительно небольшой
выборке данных – до 1000 записей. Фактически высочайший уровень конкуренции на уровне потребительского кредитования не оставляет банкам другого выбора, как постоянно повышать технологичность и качество своей работы. И использование передовых скоринговых технологий – необходимая составляющая успешного розничного бизнеса.

 

       Экспертное мнение

      

      Гараев Равиль Радионович Руководитель проекта внедрения скоринговой системы, Начальник Отдела разработки банковских услуг ОАО Банк «Инвестици онный капитал»    

      Приоритетным направлением дальнейшего развития ИнвестКапитал-Банка является розничный бизнес, и уже сейчас банк занимает лидирующие позиции в Башкортостане по автокредитованию, ипотеке, эмиссии международных банковских карт. Мы считаем, что сможем закрепить эти позиции и добиться новых результатов, повысив качество и скорость обслуживания клиентов, что является одним из основных конкурентных преимуществ на рынке кредитования.

        Все это предполагает использование последних достижений ИТразработчиков и предопределяет наши требования к программным решениям, которые должны обеспечивать оперативность в принятии решений о выдаче кредитов и оформлении необходимой документации, а также бесперебойную работу широкой сети офисов и точек продаж, доступность и качество услуг банка, независимо от удаленности его подразделений.

       После тщательного изучения вопроса специалисты нашего банка пришли к выводу, что для решения этих неотложных задач необходима система профессионального скоринга – ее применение может дать банку самый серьезный аргумент в конкурентной борьбе на рынке розничного кредитования. Именно такое современное решение сегодня появилось в арсенале компании «Диасофт», с которой мы успешно сотрудничаем уже более пяти лет.

      Принимая решение о внедрении скорингового инструмента «Диасофт», который обеспечивает выполнение стоящих перед нами задач, мы, кроме того, учитывали целый ряд сопутствующих факторов. Во-первых, этот полностью русифицированный продукт содержит инструменты и технологии, благодаря которым его можно адаптировать к меняющимся на рынке кредитования требова-щимся на рынке кредитования требованиям. А во-вторых, его сопровождение и обслуживание не требует обязательного привлечения ИТ-специалистов.

       У нас есть все основания быть уверенными, что система кредитного скоринга – решение Diasoft FA# Retail, Scorto – поможет нам оптимально и с наименьшими затратами справляться с оперативными задачами обслуживания розничных клиентов даже при значительном увеличении объема кредитных заявок.