Кредитний скоринг.

Вступ.

З огляду на конкуренцію, яка загострюється на ринку фінансових послуг, кредитним спілкам доводиться йти на все більші поступки позичальникам. Це й відсутність першого внеску, і розміщення кредитних менеджерів безпосередньо в торговельному приміщенні магазинів, і експрес оформлення кредиту. Однак найбільш популярною "фішкою" є зовсім інше. Можливість отримати кредит у лічені хвилини, - "не відходячи від прилавку", - це головний козир нинішніх кредиторів. Вони обіцяють видати готове рішення про можливість видачі вам кредиту протягом 5-30 хвилин. Та й довідка з місця роботи про заробітну плату виявляється зайвим папірцем. Це притягує, паморочить голову й змушує відвідувача, вже тримаючи в руках заповітний товар, підписувати будь-які документи.

Ухвалення рішення про можливість видачі кредиту в настільки стислий термін змушує кредитні спілки оптимізувати свої системи аналізу під існуючі завдання. Одним з можливих варіантів виходу зі сформованої ситуації є розробка скорингової моделі.

Саме використання скорингової моделі як одного з головних інструментів ризик-менеджменту кредитних організацій визнано в усьому світі як одне з найбільш ефективних.

Успіх скорингової моделі обумовлюється декількома ключовими факторами:

• неупередженість оцінки (скоринг геть-начисто відмітає суб'єктивність оцінок, традиційно пов'язану із кредитними рішеннями);
• стандартизація кредитних оцінок;
• можливість автоматизації (тому що скоринг припускає роботу лише з деякою кількістю цифр, вона легко автоматизується);
• контроль (в силу стандартизації кредитних операцій не дуже складно контролювати й відслідковувати ефективність кредитних рішень);
• збільшення прибутковості (автоматизація процесу означає зниження витрат на ручну обробку заявок на кредит до мінімуму).

Що таке кредитний скоринг

Кредитний скоринг виник близько 50 років тому у формі так званих скорингових карт. Принцип побудови й використання скорингової карти не складний (див. Таблицю).

Вихідні характеристики позичальника, необхідні для його оцінки, можуть бути обрані з будь-якого наявного в розпорядженні кредитної спілки джерела даних, головним чином із заповненої кандидатом анкети. Подібними характеристиками можуть служити демографічні дані, (зокрема, вік, тривалість проживання в певному регіоні), наявність дітей, освіта, стаж роботи, займана посада, тощо. Але це ще не все, для деяких критеріїв потрібно визначитись із варіантами значень. Наприклад, якщо кандидат займає посаду "керівник", то для початку потрібно вирішити кого ми будемо називати керівником (Одна справа приватний підприємець із невеликими доходами, та інша справа - керівник великої компанії з оборотами в сотні мільйонів гривень). Це далеко не повний набір можливих критеріїв для оцінки кредитних ризиків потенційних позичальників.

Все це виглядає дуже просто, однак складність заключається у визначенні, які характеристики варто включати в модель і які вагові коефіцієнти повинні їм відповідати. На підставі статистичних досліджень даних про членів КС, які існують у кредитній спілці, кожному показнику встановлюється певна кількість балів - скорингова оцінка. Чим вище кредитоспроможність і сумлінність члена КС по тому або іншому показнику, тим більш високий бал ми йому встановлюємо.

Кількість даних, що потенційно входять у скорингову карту, дуже велика. Однак варто нагадати, що починаючи з певного етапу існує прямий взаємозв'язок між складністю побудови моделі та її ефективністю. Інакше кажучи, чим простіше модель, тим вона ефективніша.

Для оцінки кредитоспроможності нового претендента досить підсумувати бали по кожному показнику скорингової карти та залежно від результату визначити максимальний розмір кредиту, який кредитна спілка може надати позичальнику. Таким чином, знання про існуючих членів КС дозволяють нам прогнозувати профіль потенційного члена кредитної спілки. Оскільки згодом дані обновляються, відповідно періодично відбувається модифікація самої скорингової карти: деякі показники стають більш значимими, а інші відходять на другий план. Корекція карт проводиться регулярно, її періодичність залежить від обсягу кредитів.

скоринговий бал кандидата, що звернувся за кредитом, порівнюється із балами членів КС, які вже отримали кредит, і на цій основі робляться певні висновки про його можливу поведінку в майбутньому (чим надійніше позичальник, тим вище бал). Прогнозована Модель будується за допомогою таких аналітичних методів, як логістична регресія або нейронні мережі. Потім обчислюється ймовірність дефолту першого платежу й позичальник зараховується в ту або іншу групу ризику (залежно від його скорингової оцінки). У результаті кредитним комітетом встановлюється певна "межа відсікання", після співставлення з якої кредитна спілка приймає остаточне рішення про надання кредиту.

Адже видаючи кредити всім бажаючої підряд (при низькій межі відсікання), так і незаслужено відмовляючи кандидатам, які могли б виявитися "гарними" позичальниками (при занадто високій межі відсікання), кредитна спілка втрачає цілком реальний прибуток. Тому для ухвалення попереднього рішення вибирається оптимальна межа відсікання.

Такою межею повинен стати рівень при якому доходи від "гарних" членів КС є достатніми для покриття збитків по потенційно "поганим". Для цього можна вдатися до комплексного аналізу й співвідношення прибутковості кредитного портфеля та рівня списання боргів, які віднесені до безнадійних. Припустимо, що в середньому збитки по одному "поганому" члену КС покриваються доходами по десяти "гарних". У цьому випадку таким рівнем буде значення скорингової карти, яке відповідає такому співвідношенню (у нашому прикладі це 10/1). Саме таке значення й буде, свого роду, межею беззбитковості кредитних операцій.

Зрозуміло, що це рішення не остаточне, оскільки після стадії скорингу, анкети повинні передаватися до служби безпеки на предмет перевірки вірогідності наданої в анкеті інформації. На цій стадії, навіть самий "гарний" з погляду скорингу потенційний кандидат швидше за все одержить відмову, якщо, приміром, з'ясується, що в минулому він мав дві судимості за шахрайство.

Підсумок

Філософія скорингу заключається не в пошуку пояснень, чому ця людина не платить. скоринг виділяє ті характеристики, які найбільше тісно пов'язані з ненадійністю або, навпаки, з надійністю клієнта. Ми не знаємо, чи поверне даний позичальник кредит, але ми знаємо, що в минулому люди цього віку, цієї ж професії, з таким же рівнем освіти та з тією ж кількістю дітей кредит не повертали. Тому ми давати кредит цій людині не будемо.

У цьому заключається дискримінаційний (не в статистичному, а в соціальному значенні цього слова) характер скорингу, тобто якщо людина по формальних ознаках близька до групи з поганою кредитною історією, то йому кредит не дадуть. Тому навіть при дуже високому ступені використання автоматизованих систем скорингу іноді здійснюється суб'єктивне втручання, наприклад, у випадку, коли кредитний інспектор має додаткову інформацію, що доводить, що людина, класифікована як ненадійний, насправді "гарний", і навпаки.

Особливо слід зазначити, що за допомогою скорингової моделі можна прогнозувати кредитний ризик лише на певний період часу, який, приміром, на Заході складає від одного до двох років. Тобто, релевантність моделі згодом має тенденцію до зниження. Що стосується України, то в силу усім зрозумілих причин, він не може становити більше одного року. Таким чином, один раз настроївши модель необхідно її доопрацьовувати та калібрувати.