Скоринговые системы оценки рисков в оценке кредитоспособности физических лиц

Скоринговые системы оценки рисков в оценке кредитоспособности физических лиц

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Федеральное государственное автономное образовательное учреждение высшего профессионального образования

Национальный исследовательский ядерный университет «МИФИ»

Обнинский институт атомной энергетики

Курсовая работа на тему:

«Скоринговые системы оценки рисков в оценке кредитоспособности физических лиц»

Выполнил:

Магистрант 2 курса группы ЭКН-М11

Замулин И.А.

Научный руководитель:

к.э.н., доцент

Рябова Галина Александровна

Обнинск 2012

Содержание

Введение

Глава 1. Скоринговые системы как инструмент оценки кредитоспособности физических лиц

.1 Понятие, цели и задачи кредитного скоринга

.2 Особенности внедрения систем кредитного скоринга в банках РФ

.3 Виды кредитного скоринга и его компоненты

Глава 2. Построение скоринговой модели оценки кредитоспособности физических лиц на примере ООО «ХКФ Банк»

.1 Описание исходной базы данных

.2 Оценка эффективности методики Дюрана при оценке заёмщиков

.3 Построение методики оценки кредитоспособности заёмщиков на основе модели логистической регрессии

Выводы

Список литературы

Приложения

Введение

На сегодняшний день в России сформировалась широкая банковская сеть, которая готова предлагать потенциальным клиентам множество видов кредитных продуктов. Этот процесс жёстко поставил вопрос необходимости разработки эффективной оценки рисков при выдаче кредита заёмщику с учётом особенностей населения России. В нашей стране ещё не сформировалась финансовая культура использования финансовых услуг, и это не позволяет перенять без изменений опыт зарубежных банков в оценке заёмщиков. К тому же, существует разница в оценке некоторых социальных явлений в России и, например, США - частая смена мест работы в России будет оцениваться как негативный фактор, а в США - это знак востребованности специалиста.

Сегодня в России, как правило, используются субъективные оценки заёмщиков, основанные на мнении эксперта, и скоринговые оценки, с помощью которых банк устанавливает критерии, которым должен соответствовать клиент.

Цель данной работы: на основе клиентской базы Обнинского регионального представительства ООО «ХКФ Банк» построить наиболее эффективную модель оценки рисков выдачи кредита физическому лицу.

Задачи:

Рассмотреть скоринговые модели как способ оценки кредитоспособности заёмщика.

Построить модель по каждой из методик и рассчитать её эффективность в виде прибыли (для потребительских и наличных кредитов).

Выявить, какая из методик наиболее прибыльна и эффективна для оценки потенциальных клиентов.

1.1 Понятие, цели и задачи кредитного скоринга

Системы кредитного скоринга в российских банках уже стали вполне привычным инструментом для работы на рынке розничного кредитования. Но "привычный инструмент" - это еще не значит, "понятный". Скоринговые системы для многих банков до сих пор являются неким черным ящиком, в котором не совсем понятно, что происходит, и, зачастую совсем не понятно, что будет в итоге. Вокруг систем кредитного скоринга "накручено" огромное количество мифов, с ними связаны самые разнообразные предубеждения банковских кредитчиков, IT-шников и ТОР-менеджеров. В подобной ситуации надеяться на то, что банк может сделать осознанный выбор по-настоящему оптимальной системы, не слишком логично.

О необходимости внедрения систем кредитного скоринга регулярно можно услышать как на различных межбанковских форумах и семинарах, так и на страницах профильных СМИ. Поэтому доказывать необходимость внедрения полноценных скоринговых систем еще раз явно не стоит.
Если говорить о том, насколько отечественные банки готовы к внедрению скоринговых систем, то здесь складывается двойственная ситуация. В то время как большинство крупных банков уже вплотную подошли к внедрению полноценных систем кредитного скоринга, банки среднего размера только осознают свою потребность в скоринге. Хотя, именно у средних банков складывается наиболее ясное понимание того, что внедрение скоринговых систем - это единственная возможность вести конкурентную борьбу с крупными банками на рынке кредитования физических лиц.

Конечно, считать, что в российских банках вообще не используются системы кредитного скоринга нельзя. В некоторых крупных банках работают централизованные системы оценки заемщиков, однако, как правило, это системы с простейшей отчетностью. Но банков, где кредитный скоринг неразрывно связан с кредитной политикой, стратегиями принятия решений и возможностью оперативного управления скоринговыми моделями - единицы.

Порядка 90% используемых сегодня методик оценки заемщиков реализованы в формате MS Excel. С одной стороны это дает простоту вычисления и работы, но с другой стороны есть 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 для большого количества точек обслуживания.

Открытость 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» заемщикам со стороны кредитных инспекторов (нельзя забывать, что эти по большей части низкооплачиваемые сотрудники стремятся к максимальному объему привлеченных кредитов, никак не отвечая за их возврат)

Но самое важное, что при использовании такого подхода невозможно дать ответы на ряд вопросов, которые интересуют любой банк, работающий на рынке кредитования физических лиц. Например, почему у нас ухудшается качество кредитного портфеля? Что необходимо сделать для более точной оценки заемщика? Как следует изменить расчет оценки, с учетом нашего опыта?

Основные цели, к которым, стремиться любой банк при внедрении полноценной системы кредитного скоринга можно сформулировать так:

Увеличить кредитный портфель за счет уменьшения количества необоснованных отказов по кредитным заявкам

Повысить точность оценки заемщика

Уменьшить уровень невозвратов

Ускорить процедуру оценки заемщика

Создать централизованное накопление данных о заемщиках

Снизить формируемые резервы на возможные потери по кредитным обязательствам.

Быстро и качественно оценить динамику изменений кредитного счета индивидуального заемщика и кредитного портфеля в целом.

В общепринятой практике кредитный скоринг определяется двумя задачами, каждая из которой имеет свои характерные аспекты и особенности.

Создание скоринговых моделей - моделей оценки кредитоспособности

Построение скоринговой инфраструктуры

Для разных банков может быть актуальна одна, и не актуальна другая задача, но, тем не менее - именно эти два направления принято рассматривать как основные в кредитном скоринге. Для каждого из направлений существуют свои инструменты и методология, при помощи которых решаются эти задачи.

Скоринг - как разработка моделей. Если определить кредитный скоринг как разработку моделей, то основные задачи, стоящие перед банком можно сформулировать так:

Определение ключевой цели и типа скоринга: определение того, для чего конкретно будет использоваться скоринг - оценка заемщика, оценка динамики состояния счета или же определение оптимальной стратегии по уже «плохим» заемщикам.

Оценка, анализ и определение критериев: задание критериев оценки кредитоспособности и определение базовых параметров классификации заемщиков. Выбор методов построения скоринговых моделей: исследование доступных методов создания скоринговых моделей на предмет максимальной адекватности имеющейся ситуации.

Оценка финансовой эффективности моделей: оценка и анализ общего влияния скоринговой модели на кредитный портфель в целом.

Скоринг - как организация работы

В том случае если рассматривать внедрение скоринга как задачу построения централизованной системы оценки и принятия решения, то банку необходимо будет обратить внимание на то, как реализовано в предлагаемом решении следующие моменты:

Управление кредитными продуктами - задание соответствий между моделями и типами кредитных продуктов, использование для различных целевых групп различных моделей оценки.

Создание стратегии принятия решений - создание правил интерпретации скорингового результата, формирование принципов стратегии принятия решения по кредитной заявке.

Мониторинг точек продаж кредитов - оценка эффективности и динамики работы в режиме реального времени, отслеживание количества «фиктивных» запросов на получение оценки, отслеживание принятых решений на основе скоринга. Отслеживание адекватности кредитного портфеля и моделей - проверка рабочей адекватности модели на текущих заемщиках, оценка фактора субъективности в приятии решений.

Подробнее инструменты для решения этих задач будут рассмотрены, в разделе, посвященном выбору оптимальной системы кредитного скоринга.

1.2 Особенности внедрения систем кредитного скоринга в банках РФ

Если рассматривать место полноценной скоринговой системы с точки зрения банковского программного обеспечения, система кредитного скоринга является мидл-офисом, условно расположенным между фронт-офисным и бэк-офисными решениями. В тех случаях, когда вместо полноценной системы используется более примитивные решения, процесс скоринга может быть включен во фронт-офис.

Рассмотрим распределение функций при кредитовании физических лиц между фронт-офисом, мидл-офисом и бэк-офисом, с точки зрения банковской инфраструктуры. Надо сказать, что это распределение в значительной степени условно, так как зачастую в российских банках отсутствует мидл-офис, а многие его функции распределены между фронт-офисом и бэк-офисом. Кроме того, часть функций не может быть однозначно отнесена к какой-либо одной части инфраструктуры. Однако для создания общего представления о месте скоринга в банковской инфраструктуре такая весьма условная схема будет вполне уместна.

Фронт-офис

• Непосредственное общение с клиентом и продажа кредитных клиентов

• Первичная верификация данных предоставленных заемщиком

• Сбор и анализ пакета документов заемщика

• Подготовка договоров  Мидл-офис

• Расчет суммы резерва

• Скоринг

• Проведение кредитной экспертизы

• Определение перспектив погашения кредита  Бэк-офис

• Формирование кредитного дела

• Непосредственное оформление выдачи кредита

• Открытие счета и оприходование договоров

• Осуществление бухгалтерских операций

• Оценка качества кредитного портфеля

Когда банк задумывается о внедрении системы кредитного скоринга в инфраструктуру, то перед ним возникает ряд проблем, на решении которых приходиться сосредотачиваться как самому банку, так и скоринг-вендору.

Одна из главных проблем это отсутствие понимания всей сложности полноценного скорингового решения. Во многих банках до сих пор думают, что анализ данных вполне можно проводить при помощи стандартных средств, как например, MS Excel или каких-то разработок собственных IT- отделов. О недостатках MS Excel в качестве скорингового решения говорилось выше. Что касается собственных разработок, то опыт показывает что, действительно, крупные банки могут, затратив значительные средства выстроить минимально приемлемое скоринговое решение. Но в банках, обладающих финансовыми и людскими ресурсами для проведения подобных работ, как правило, понимают, что это решение временное, и рано или поздно, но придется обращаться к профессиональному скоринг-вендору. Поскольку современное решение, отвечающее всем требованиям динамично развивающегося банка, может предоставить только компания, владеющая всей полнотой теоретических и практических знаний кредитного скоринга.

Следующая проблема, о которой пойдет речь, связана отсутствием необходимых данных для работы системы кредитного скоринга. Аналитические технологии могут успешно работать только тогда, когда есть что анализировать. И дело здесь даже не в том, что в России работа бюро кредитных историй еще не достаточно эффективна, а в том, что банки просто не успели за время работы собрать достаточное для анализа количество информации. Бывают случаи, когда банки практически не собирают данные, которые необходимы для успешной работы. В таких организациях невозможно ответить на вопросы: кто и какие кредитные продукты покупает чаще всего, что из себя представляет среднестатистический клиент для того или иного вида кредитования и т.п. Разумеется, об ориентации банка на нужды клиента здесь не может быть и речи. Без общей системы сбора данных очень сложно проследить долгосрочные тенденции развития, объяснить, почему падают продажи, выработать оптимальную маркетинговую стратегию и т.д.

Но даже если в банке налажен сбор данных, нередки случаи, что работа с ними все равно представляет проблему для скоринг-вендора. Зачастую данные на разных участках банковской инфраструктуры собираются в совершенно разных форматах. Одновременно могут существовать базы различных типов, например ORACLE, MS SQL, таблицы MS Excel и MS Access, а также базы в формате собственной учетной системы, разработанной программистами банка. Наиболее оптимальный, хотя и дорогостоящий вариант в этом случае - внедрение единого хранилища данных, в котором бы собиралась информация обо всей деятельности банка, а также максимально полная информация о клиентах.

Некоторые банки, считают, что в тех случаях, когда данные собираются уже много лет и разрастаются до значительных объемов это становиться непреодолимой преградой для внедрения системы кредитного скоринга. Однако грамотная интеграции системы позволяет свести эту проблему к минимуму.

Еще одной серьезной проблемой может стать неполное представление данных в базе. В силу непродуманной технологии сбора данных или из-за ее нарушения, данные могут собираться стихийно, бессистемно, фрагментарно. Анализ подобных данных может быть небезопасен, поскольку на основе неверных результатов анализа очень легко принять неверные решения.

Зачастую случается так, что руководство банка принимает стратегическое решение о внедрении системы кредитного скоринга и останавливается на этом, не совсем понимая, что делать дальше.

В первую очередь начинать нужно с осознания того, что такое скоринг. Если банк принял решение активно работать на рынке кредитования физических лиц, то все зависит от уровня информированности сотрудников банка. Поэтому может оказаться целесообразным посещение профильными сотрудниками банка семинаров, посвященным вопросам скоринга. Если это не будет сделано, банку достаточно тяжело будет сформулировать свои требования к скоринговой системе.

Немаловажно это и для выбора скоринг-вендора. Необходимо чтобы банк мог четко осознавать, какую именно систему он ставит. И ориентироваться тут исключительно на слова потенциального поставщика системы было бы не слишком разумно.

Формулировка требований к системе - это первая и возможно самая главная стадия процесса внедрения. Требования к скоринговой системе зависят от того, каким образом она будет использоваться. Рассмотрим несколько вариантов.

Банк собирается регулярно выводить на рынок новые кредитные продукты, тогда на первое место из требований к скоринговой системе выдвигается как гибкость. То есть банк должен иметь возможность быстро и качественно запускать в работу новые кредитные продукты.

Банк в первую очередь ориентируется на риск-менеджмент, то есть политика банка в большей степени определяется рисками - тогда основные требования к системе будут связаны с отчетностью.

Банк потратил значительные ресурсы на собственное хранилище данных, фрон-офис или какое-то другое банковское ПО. Вследствие, этого на первое место выходит возможность легкой интеграции скоринговой системы в уже существующие решения.

Банк обладает большим количеством отделений, у него подписаны контракты с рядом крупных торговых сетей. Для такого банка самыми важными требованиями будет масштабируемость и производительность системы.

После того как банк определиться с технологическими требованиями к системе, он обязательно должен в этот список вставить цену скорингового решения. Для одних банков цена будет на первом месте в списке требований, для других в середине или в конце. Главное чтобы банк обратил внимание не только на цену самого ПО, но и на общую лицензионную политику скоринг-вендора. Бывают случаи, что цена самой системы относительно не велика, но дальнейшая поддержка и условия обновления лицензии в итоге могут вылиться в крайне значительные суммы.

Дальнейшие действия банка, решившего внедрить систему кредитного скоринга, могут развиваться идти по двум путям. Банк может самостоятельно выбрать скоринг-вендора или обратиться в консалтинговую фирму, которая проведет полноценный тендер. При всех кажущихся преимуществах второго варианта, он содержит в себе ряд серьезных недостатков.

Консалтинговые фирмы, как правило, не слишком внимательно прислушиваются к требованиям банка, и ориентируется в значительной мере не на качество решения, а на известность бренда, на крупные внедрения и на маркетинговые ходы. В случае возникновения каких-либо проблем с эксплуатацией системы или с политикой скоринг-вендора консалтинговая фирма, всегда может сказать, что при проведении тендера был выбран поставщик с безупречной репутацией, а возникшие системы это случайность.

Однако если банк не слишком уверен в своих знаниях, то обратиться к консалтинговой фирме для проведения тендера, может быть не самым худшим решением. Другое дело, если банк обладает грамотными специалистами, способными оценить как систему, так и лицензионную политику скоринг-вендора. В этом случае консалтинговая фирма скорее будет помехой, чем поддержкой.

Стоит заметить, что в основе размышлений некоторой части противников внедрения скоринговой системы лежит мысль: "А не заменит ли в недалеком будущем скоринговая система большую часть кредитных специалистов?" Сюжет, конечно, более достойный фантастического фильма, чем реальной жизни, однако такие опасения встречаются куда чаще, чем можно было бы думать.

На самом деле система кредитного скоринга не заменяет, а лишь дополняет работу кредитного специалиста. Это всего лишь инструмент для работы на кредитном рынке, равно как лопата или экскаватор инструменты для копания чего-либо. Если продолжить эту аналогию, то можно сказать, что, как лопата отличается от экскаватора, точно так же полноценная система кредитного скоринга будет отличаться от упрощенного аналога, изготовленного, например, в MS Excel.

Кредитный специалист, если он не работает с системой кредитного скоринга, проводя оценку потенциального заемщика, ориентируется в первую на свой опыт, интуицию и соответствующие внутренние инструкции банка. Полноценная скоринговая система ориентируется на формальные статистические законы и, естественно, не обладает интуицией.

Практика использования скоринговых систем показывает, что чем меньше сумма кредита, тем большие полномочия в принятии решения выделяются скоринговой системе, а чем выше сумма - тем больше скоринг используют как фактор «поддержки» в процессе принятия решения.

Например, при ипотечном или авто-кредитовании скоринговая система просто поможет кредитному специалисту принять максимально верное решение, выявив те зависимости, которые слишком сложны или малозаметны.

В некоторых кредитных программах с маленькими суммами кредитов скоринг может автоматически принимать решения в 85-90% случаев. В потребительском экспресс-кредитовании, решение по кредитной заявке, выданное системой кредитного скоринга в большинстве случаев будет выступать в качестве решающего голоса.

Виды кредитного скоринга и его компоненты

Актуальность различных типов скоринга для России
Прежде чем рассматривать особенности скоринговых систем в России, необходимо определиться с тем, какие именно типы скоринга наиболее актуальны для отечественных банков. скоринг - оценка кредитоспособности заемщиков для получения кредита.

Вопрос оценки кредитозаемщика на стадии получения кредита стоит для отечественных банков крайне остро. Правда, большинство отечественных банков предпочитают официально утверждать, что проблемные кредиты не превышают 5% кредитных портфелей. Однако есть и другая информация, куда менее оптимистичного характера. В приватных беседах представители банков, активно работающих на рынке кредитования физических лиц, не раз говорили, что доля невозвратов уже достигла 15% и продолжает расти. Таким образом, можно смело утверждать, что Application-скоринг наиболее актуальный тип скоринга для России.скоринг - определение приоритетных дел и направлений работы в отношении заемщиков, состояние кредитного счета которых классифицировано как «неудовлетворительное».

В последнее время отечественные банки все чаще и чаще говорят 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 приходиться на забывчивых заемщиков, которые без всякого умысла забывают внести платеж по кредиту и "исправляются" после первых напоминаний. 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 на это. скоринг - оценка вероятности мошенничества потенциального заемщика.

Этот тип скоринга, как правило, используется в связке с Application и Behavioral-скорингом для более детального анализа 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.

Таким образом, получается, что более всего для российского рынка актуальны Application-скоринг и Collection-скоринг. Что касается Behavioral и Fraud скоринга, то об их необходимости только сейчас начали задумываться крупнейшие игроки розничного рынка. Следовательно, одной из основных особенностей систем кредитного скоринга, адаптированных для отечественных банков является максимально полная поддержка Application-скоринг и Collection-скоринг.

Соответствие скоринговой системы соглашению Базель II
Ни для кого не секрет, что сегодня мы видим явный интерес к отечественным банкам со стороны «иностранных» финансовых групп. А это обозначает, что одной из немаловажных особенностей системы кредитного скоринга, стоящей в отечественном банке становиться ее соответствие соглашению Базель II с точки зрения рабочего процесса и обработки кредита.

При использовании скоринговой системы, результатом оценки должна являться не только дифференциация кредитной заявки на "хорошую" или "плохую", но также вероятность невозврата кредита, уровень риска и максимальный лимит кредита, а также рекомендуется к выполнению целый ряд особенностей, которые в целом позволяют построить наиболее эффективную систему управления рисками.

Далее рассмотрим некоторые требования соглашения Базель II, которым должна удовлетворять система кредитного скоринга:

Система должна качественно локализовывать риски: 7 категорий рейтинга для "хороших" заемщиков, 1 категория для заемщиков в дефолте.

В системе должно быть предусмотрено централизованное хранение всей информации.

Скоринговая система должна иметь возможность эволюции по мере накопления данных: от консервативной экспертной, до автоматизированной статистической.

Система должна обеспечить возможность контроля и оценки, как комплексных показателей, так и данных по каждому заемщику в любой момент времени.

Система должна обладать единой системой документирования процесса построения скоринговых моделей.

Система должна предоставлять возможность корректировки модели, как по всему портфелю, так и по высокорисковым диапазонам отдельно, с минимальной частотой 1 раз в год.

Функциональные возможности полноценной системы кредитного скоринга

Далее кратко перечислим основные особенности системы кредитного скоринга, которыми она должна обладать, чтобы максимально эффективно работать в отечественном банке.

Возможность создания скоринговых моделей, как экспертных так математических, а так же анализ и оценка финансовой эффективности вновь созданных моделей на кредитном портфеле 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 бальных и заканчивая кластерным анализом, деревьями решений и нейросетями. Причем использоваться такие модели могут на разных этапах работы с заемщиком - как при оценке на выдачу кредита, так и для скоринга мошенничества, прогнозирования своевременных взносов на погашение кредита и т.п. Создание в течение нескольких минут и дальнейшее использование в скоринговой системе стратегий анализа заемщиков. Крайне важной особенностью является возможность быстро создать, настроить и запустить в работу новый кредитный продукт. Если система не дает такой возможности, то нельзя говорить, о том, что она эффективно работает на таком динамичном рынке, как российский рынок кредитования физических лиц.

Использование для анализа и скоринга информацию из внешних источников - черные списки, кредитные бюро, свои локальные базы данных.

Также очень важный момент, который в первую очередь позволяет использовать наиболее полный набор информации по заемщику на этапе его анализа.

Возможность простого создания и управления правилами кредитной политики - система бонусов и/или штрафов для оценки потенциального заемщика.

Данная особенность дает возможность уменьшить риски связанные с некачественными скоринговыми моделями, либо вообще 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 - определение того, какому специалисту при необходимости должна отправляться та или иная заявка на рассмотрение. 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.

Еще один из важных элементов поддержки процесса принятия решения, когда скоринговая система может выдать для кредитных специалистов рекомендации, замечания, подсказки и различного рода сообщения, чтобы сделать оценку заемщика максимально объективной и качественной. 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.

Наличие мощного инструмента для построения скоринговой отчетности является одной из немаловажных особенностей системы кредитного скоринга, приспособленной для работы в российском банке. На основании отчетности можно отслеживать адекватность работы, как всей системы, так и используемых скоринговых моделей и стратегий оценки заемщиков.

Рассматривая какую-либо систему кредитного скоринга, предлагаемую к установке, банк должен в первую очередь убедиться, что в ней присутствует вся необходимая функциональность и только потом переходить к подробному рассмотрению компонентов системы.

Основные компоненты системы кредитного скоринга

Построение скоринговых моделей

В первую очередь следует остановиться на компоненте скоринговой системы, предназначенном для построения скоринговых моделей. Основные его функции это анализ, группировка и предварительная обработка данных, необходимых для разработки скоринговой модели, а также анализа кредитного портфеля.

Кроме того, данный компонент должен давать возможность определять ключевые факторы, которые влияют на кредитоспособность клиента. Разработка скоринговой модели с помощью этого компонента и дальнейшая оценка ее работы должна быть полностью автоматизирована. В компоненте для построения скоринговых моделей должен быть предусмотрен экспорт моделей на сервер принятия решений и возможность анализа клиентской базы с разделением ее на однородные группы по индикаторам риска или другими факторам.

В том случае, если в скоринговой системе нет компонента для разработки моделей, то банк, установивший такую систему окажется в зависимости у скоринг-вендора. Каждый раз при внедрении нового кредитного продукта или при необходимости корректировки уже имеющихся моделей придется обращаться к вендору. Стоимость эксплуатации системы в этом случае значительно возрастет, да и оперативность реагирования на изменения рыночной ситуации будет оставлять желать лучшего.

В отдельных случаях модель экспортируется в виде программного кода, во фронт-офисное решение банка. Такой подход вряд ли можно назвать рациональным. Во-первых, банку придется постоянно держать штат высококлассных IT специалистов, а во-вторых, риск-менеджмент, как и в предыдущем случае, потеряет возможность быстро реагировать на колебания рынка, в плане изменения, корректировки и быстрого запуска модели в работу.

Построение стратегий принятий решений. Компонент, предназначенный для построения стратегий принятий решений, позволяет риск - менеджменту банка без помощи скоринг-вендора или IT отдела задавать и изменять бизнес-процессы. Данный компонент должен быть достаточно мощным, что бы дать возможность риск-менеджменту банка оперировать набором скоринговых инструментов, включая скоринговые модели, а также выстраивать с их помощью сколь-угодно сложные многоуровневые процессы принятия кредитных решений. Однако при этом он должен обладать гибкостью и удобным пользовательским интерфейсом.

Для качественной отладки стратегии должен быть реализован механизм изучения качества работы стратеги без загрузки её на сервер принятия решений. Кроме того, в компоненте для построения стратегий должен быть предусмотрен автоматический анализ ошибок и нелогичностей связей, что даст возможность значительно экономить время при создании и отладки новой стратегии.

Сервер принятия решений

Главный компонент любой системы кредитного скоринга - это сервер принятия решений. По сути, этот компонент является механизмом получения, обработки, хранения и передачи данных. Основные требования, выдвигаемые к серверу принятия решения это его быстродействие и гибкость в настройках.

Построение скоринговой отчетности

Компонент построения отчетности является должен вести постоянный мониторинг скоринговой системы и давать возможность отслеживать влияние внешних и внутренних факторов на адекватность и стабильность скоринговой модели. Изучая работу системы кредитного скоринга, появляется возможность оперативно анализировать изменения в клиентской базе, а так же своевременно актуализировать скоринговые модели. Кроме того, используя компонент построения отчетности можно осуществлять контроль над субъективными решениями сотрудников, которые отвечают за выдачу кредитов.

Рабочие места кредитных специалистов

Рабочие места кредитных специалистов становиться необходимым в случае, если у банка нет собственного мощного фронт-офисного решения. Как правило, набор рабочих мест, который должен присутствовать этом случае выглядит так: рабочее место кредитного инспектора, рабочее место кредитного эксперта, рабочее место сотрудника экономической безопасности и рабочее место кредитного аналитика. Этот компонент позволяет кредитным специалистам работать с системой, однако не заменяет банку полноценный фронт-офис.

Безусловно, далеко не каждому отечественному банку могут понадобиться все перечисленные выше компоненты. Но если рассматриваемая система кредитного скоринга не обладает этими компонентами, то у банку стоит задуматься над профессионализмом скоринг-вендора.

Глава 2. Построение скоринговой модели оценки кредитоспособности физических лиц на примере ООО «ХКФ Банк».

2.1 Описание исходной базы данных

Для проведения аналитической работы была получена клиентская база Обнинского регионального представительства «ООО ХКФ Банк» в размере 2500 кредитных договоров, выданных в период с сентября 2011 года до марта 2012 года.

По каждому кредитному договору приведена следующая информация:

Сумма кредита (руб.)

Первоначальный взнос (руб.)

Размер ежемесячного платежа (руб.)

Срок кредита (мес.)

Наличие страховки (1-да, 0-нет)

Эффективная процентная ставка (%)

Заработная плата клиента (руб. в месяц)

Заработная плата супруга клиента (руб./месяц, при наличии супруга)

Наличие автомобиля в собственности (1-да, 0-нет)

Наличие иного недвижимого имущества в собственности (0-нет, 1-квартира/дом, 2-несколько единиц недвижимости)

Общая сумма иных действующих кредитов на момент подписания договора (руб.)

Ежемесячный суммарный платёж по иным кредитам (руб./мес.)

Кредитная история ( -1 - по прошлым договорам/договору возникали просрочки, 0 - кредитной истории нет, 1 - раннее клиент успешно выплатил 1 кредит, 2 - клиент успешно выплатил 2 кредита и более)

Возраст (лет)

Семейное положение (0 - холост/не замужем; 1 - женат/замужем)

Стаж на последнем месте работы (лет)

Образование (0,5 - среднее, 1 - среднее-специальное, 1,5 - неоконченное высшее, 2 - высшее)

Количество детей/иждевенцев (человек)

Должность на постоянном месте работы

Отрасль работы

Регион проживания

Срок проживания в текущем регионе (лет)

Личная оценка кредитного специалиста (0 - нет особых примечаний, 1 - положительная рекомендация)

Исходя из имеющейся информации, можно построить методику оценки кредитоспособности на основе модели Дюрана и модели логистической регрессии.

2.2 Оценка эффективности методики Дюрана при оценке заёмщиков

Одной из самых известных моделей оценки кредитоспособности физического лица является модель Дюрана. Дюран выявил группы факторов, позволяющих максимально определить степень кредитного риска. Также он определил коэффициенты для различных факторов, характеризующих кредитоспособность физического лица:

Пол: женский (0.40), мужской (0)

Возраст: 0.01 балл за каждый год свыше 20 лет, но не больше, чем 0.30

Срок проживания в данной местности: 0.042 за каждый год, но не больше, чем 0.42

Профессия: 0.55 - за профессию с низким риском; 0 - за профессию с высоким риском; 0.16 - другие профессии

Финансовые показатели: наличие банковского счета - 0.45; наличие недвижимости - 0.35; наличие полиса по страхованию - 0.19

Работа: 0.21 - предприятия в общественной отрасли, 0 - другие

Занятость: 0.059 - за каждый год работы на данном предприятии

Также он определил порог, перейдя который, человек считался кредитоспособным. Этот порог равен 1.25, т. е. если набранная сумма баллов больше или равна 1.25, то потенциальному заемщику выдается испрашиваемая им сумма.

В соответствии с данной методикой был произведён расчёт по клиентской базе с целью оценить актуальность и эффективность данной методики. Также, экспериментальным методом был определён оптимальный порог, который Дюран предлагает устанавливать на уровне 1,25.

Для расчёта финансовой эффективности стратегии была взята 10% бесповторная случайная выборка из общего массива данных.

Случайная бесповторная выборка результатов приведена в приложении 1.

В результате применения методики Дюрана были получены следующие показатели эффективности моделей с различными порогами:

Таблица 1. Показатели эффективности методики Дюрана с различными порогами одобрения

Наибольшую прибыль банк получил бы при установке порогового значения на уровне 1,20, т.е. рекомендуемая Дюраном величина не является оптимальной в данном случае.

Рисунок 1. Влияние величины порога на эффективность оценки по методике Дюрана

Исходя из этого можно сделать следующие выводы, объясняющие данные результаты:

В первую очередь это связано с тем, что эта методика разрабатывалась для банков США, где структура и значимость отдельных рисков отличается от российской.

Средний уровень благополучия населения в России ниже, чем в США, поэтому введение более жёсткого коэффициента «отсекает» от возможности получения кредита большую долю населения, что ведет к потере возможного дохода.

Группа людей, получивших оценку в пределах 1,20-1,25 по меркам методики Дюрана считаются ненадёжными клиентами, однако полученные результаты показывают, что клиенты этой категории достаточно благонадёжны и им выгодно выдавать кредиты (доход от кредитования данной группы превышает потери). Стоит отметить, что снижение порогового значения ниже 1,20 не приводит к увеличению дохода, так как к получению кредита допускаются дополнительные неплатёжеспособные клиенты. Следовательно, порог величиной 1,20 позволяет распознать надёжного клиента в 91% случаев, что является пределом для данной модели.

Повышение же порога выше 1,35 уже не отсеивает дополнительных ненадёжных клиентов. Следовательно, клиент, получивший оценку выше 1,35, с вероятностью близкой к 100% окажется платёжеспособным.

2.3 Построение методики оценки кредитоспособности заёмщиков на основе модели логистической регрессии

Логистическая регрессия или логит-регрессия (англ. logit model) - это статистическая <#"648805.files/image002.gif">, принимающая лишь одно из двух значений - как правило, это числа 0 (событие не произошло) и 1 (событие произошло), и множество независимых переменных (также называемых признаками, предикторами или регрессорами) - вещественных <#"648805.files/image003.gif">, на основе значений которых требуется вычислить вероятность принятия того или иного значения зависимой переменной.

На основе исходных данных была построена модель логистической регрессии, предсказывающая платежёспособность клиента на основе группы показателей.

Зависимая переменная: Результат оплаты кредита

Признанные значимыми факторы:

%Первоначального взноса

Срок кредита

Общая сумма иных действующих кредитов

Кредитная история

Возраст

Стаж работы

Оценка кредитного специалиста

Построение модели с помощью программы Statgraphics дало следующую оценку значимым параметрам:

Таблица 2. Оценка весов значимых параметров модели