Черная зона скорингового балла сбербанк что это

Черная зона скорингового балла сбербанк что это

Вопрос, выдаст банк вам кредит или откажет, очень непрост. За его решением стоит кропотливая дорогостоящая работа. Все больше банков стремятся удешевить и ускорить свой скоринг, автоматизировав его. О том, как проводится такой скоринг, порталу Банки.ру рассказали специалисты компании Experian.

Компьютер не позвонит

Анализ кредитных заявок – процесс, который можно и нужно автоматизировать. Классический, ручной скоринг крайне затратен, так как требует тщательной проверки и обучения сотрудников, и времени на каждую заявку тратится достаточно много. В то же время автоматическая система способна за секунды обработать большой объем данных, не подвержена предубеждениям и переменам настроения.

Скоринговые системы, построенные на таких платформах как PowerCurve компании Experian, призваны не заменить живого работника, а помочь ему быстро и правильно принимать решения на всех этапах жизненного цикла клиента банка. Принципы, в соответствии с которыми работают автоматические системы, по сути, не отличаются от принципов ручного скоринга.

Упрощенно процесс можно описать как применение скоринговой модели к собранным данным. Цель проведения скоринга – предсказать, как заемщик будет выплачивать кредит. Это дает возможность применить к скоринговым оценкам заявителя рисковую стратегию и принять ряд решений по его заявке: дать ли кредит, в каком объеме, на какой срок, под какую ставку.

«Процент решений, принимаемых банками полностью автоматически, пока не очень велик. Проблема в том, что банки не вполне доверяют автоматическим системам. Кроме того, не все данные можно проверить без привлечения человека. Например, компьютер не позвонит на работу заявителю. Поэтому полностью автоматические решения принимаются обычно по заявкам на небольшие кредиты», – рассказала порталу Банки.ру глобальный консультант компании Experian Анна Уштей.

Все, что вы хотели знать о клиенте

Банки стараются собрать о клиенте как можно больше информации, используя различные источники. Помимо данных, предоставляемых самим заявителем, используются информация кредитных бюро (в первую очередь, кредитная история), государственные информационные системы, открытая информация из соцсетей, внешние проверки (например, звонок работодателю). Анализируемые в процессе скоринга данные можно условно разделить на несколько категорий.

Идентификационные данные. Набор информации, позволяющий идентифицировать заемщика: паспортные данные, место жительства, фотография, подпись, рабочий и домашний телефоны. Именно с обработки этих данных начинается скоринг. Это позволяет на самом раннем этапе отсеять возможных мошенников и явно неперспективных клиентов. При этом, если клиент уже является клиентом банка, проверка и обработка этих данных обойдется банку крайне дешево и может быть практически полностью автоматизирована. Идентификационные данные практически не меняются со временем. Заметим, что даже непреднамеренная ошибка при указании идентификационных данных, скорее всего, приведет к отказу в кредите.

Демографические данные. Возраст, пол, образование, семейное положение, место проживания, место работы и должность. В отличие от идентификационных данных демографические со временем меняются: увеличивается возраст, человек учится, переезжает, меняет работу, женится, разводится и т. д. Может измениться даже пол.

Финансовые положение. Наличие и размер регулярного дохода, объем трат, наличие иждивенцев. Тут для заявителей имеется широкое поле для разного рода хитростей: траты можно скрыть и доход преувеличить. Эти данные меняются постоянно, в связи с чем банки вынуждены уделять их сбору и проверке самое пристальное внимание.

Кредитная история. Возможно, самые ценные для скоринга данные – наличие отданных и текущих кредитов, случаи попадания в просрочку и ее продолжительность. Если человек многие годы аккуратно выплачивал кредиты, можно с большой долей вероятности предположить, что он и продолжит в том же духе. Обратное тоже верно.

Трансакционное поведение. Такого рода данные доступны банку, если речь идет о выдаче кредита не человеку «с улицы», а держателю платежной карты банка. Имеют значение регулярность и характер операций по карте – как часто, где, в каком объеме заявитель оплачивает товары и услуги. Заметим, что банк оперирует не конкретными товарами и услугами, и даже не названиями магазинов, а суммами и категорией торговой точки.

Данные, предоставляемые самим заемщиком, подвергаются верификации. Для этого применяются как внешние источники, так и проверки на внутренние противоречия. Есть четкие, поддающиеся проверке связи между местом проживания и работы, профессией, должностью и уровнем дохода и т. д. Непротиворечивость этих данных можно проверить автоматически, не тратя дорогое рабочее время кредитного специалиста.

Моделируем будущее

Скоринговая модель – ценнейший актив банка. Именно она определяет, какую оценку (скоринговый балл) получит клиент на всех этапах скоринга. В простейшем случае скоринговую модель можно «набросать» и вручную. Но значительно более эффективным путем будет построение модели на основе собранной статистики по заявкам и выданным кредитам.

При анализе статистики могут выявиться самые различные, зачастую неожиданные связи между просрочкой и данными о заемщиках. К примеру, работники, занятые в какой-либо одной отрасли, могут оказаться более склонны к просрочкам, нежели занятые в другой сфере. Или многодетные матери окажутся более качественными заемщиками, чем холостые мужчины. Такие связи и выводы из них зависят от профиля банка, от экономической, демографической и политической обстановки, они могут сильно изменяться во времени, в связи с чем скоринговая модель должна регулярно пересчитываться. Обычно это делается не реже чем раз в полгода.

Если кредитная организация только выходит на рынок или радикально меняет профиль, наработанной статистики у нее нет. В этом случае она может приобрести готовую модель или заказать сторонней компании разработку модели для своего профиля. В большинстве случаев такие модели работают не слишком эффективно, и через какое-то время их необходимо обновить, основываясь на собранной статистике.

Отметим, что скоринговую модель нередко дополняют настраиваемыми вручную условиями и фильтрами. Хорошо известно, что банки с предубеждением относятся к журналистам и юристам, даже если статистика не выявляет повышенного процента просрочки у представителей этих профессий. Первые способны попортить репутацию банка, а вторые могут доставить проблем в суде. Что интересно, сами сотрудники финансового сектора также нередко попадают в эти фильтры.

Стратегия серой зоны

Как именно скоринговые баллы влияют на решения, принимаемые на всех этапах обработки заявки на кредит, определяет рисковая стратегия. Шкала скорингового балла условно делится на три зоны: белую, черную, серую. Попадание оценки в белую зону гарантирует положительное решение, черную – отрицательное, а вот серая зона дает определенный простор для маневра.

Стратегия определяет, какой процент заявок в серой зоне получит положительное решение, причем стратегия должна учитывать самые разные факторы. Скажем, в ней можно прописать, что замужние учительницы младших классов, чей балл попал в серую зону, должны получать одобрение заявки в 50% случаев, объем кредита не должен превышать 100 тыс. рублей в 80% случаев, а срок кредит не должен быть менее пяти лет в 100% случаев.

Такие тонкие настройки позволяют кредитной организации формировать свой портфель очень точно и аккуратно. И средства автоматизации могут здорово облегчить формирование корректной стратегии.

Читайте также:  Альфа банк мурманск часы работы

«В системе PoweCurve я могу разобрать стратегию по нескольким сегментам клиентов, похожих друг на друга по каким-либо критериям, – рассказал порталу Банки.ру глава представительства Experian в России и странах СНГ Сергей Горащенко. – Одним, к примеру, задаем увеличение лимита, другим – поднять ставку, но не менять лимит, третьим – снизить лимит, и установим запуск этой стратегии по определенной части портфеля или по всему портфелю. Применяем стратегию в PowerCurve, система все просчитывает и выдает сотрудникам банка данные, что с каким клиентом нужно делать, что поменять, какие действия предпринять».

Такие системы, как PowerCurve от Experian, позволяют риск-менеджеру сформировать желаемую стратегию в считаные минуты и проверить ее на статистике по кредитному портфелю. После расчетов система покажет тот уровень просрочки, на который вышел бы кредитный портфель, если бы тестируемая стратегия была применена в заданный период. Можно подойти и с другой стороны: задать желаемый уровень просрочки, и система предложит стратегию, основываясь на статистике за заданный период.

Увы, полностью положиться на автоматику тут не выйдет: если новая стратегия существенно отличается от действующей, нужной информации просто может не оказаться. К примеру, если банк практически не давал кредитов престарелым индивидуальным предпринимателям, а в новой стратегии им должно найтись место в кредитном портфеле, PowerCurve не сможет предсказать просрочку с достаточным уровнем точности. Ведь статистики по таким заемщикам у банка нет.

Заметим, что стратегия может включать в себя выдачу кредитов в черной зоне – то есть заявителям, для которых скоринговая модель показывает высокую вероятность попадания в просрочку. Небольшой процент одобрений «черных» заявок позволяет составить статистику по маргинальным заявителям, что помогает уточнять как скоринговую модель, так и стратегию.

Скоринговый балл – это статистическая оценка кредитного рейтинга банковского клиента. Калька с англоязычного «score» — счет.

Вручную никто не оценивает потенциального заемщика. В условиях цифровой экономики получателя займа опрашивает и обсчитывает компьютерная программа. В результате машинной обработки «да», «нет» и некоторого ряда введенных цифр бездушный аппарат выносит приговор – соискателю выдать средства или отказ по скоринговому баллу.

Определения и понятия

Кредитные финансовые учреждения из первой полсотни развивают собственные нейросети и программы для определения граней лояльности клиента.

КФУ помельче используют готовые решения российских и западных разработчиков.

Скоринговый балл для одобрения заявки подсчитывается программами, которые регулярно обновляются вслед за изменениями в законах и в раскладке социально-экономических факторов.

Профессиональных подходов в системе четыре:

  1. «Анкета заявки». Через этот вид оценки проходили пользователи банковских услуг при первичном обращении. Здесь собирают паспортные данные; наличие движимого и недвижимого имущества; сведения о доходах и расходах; проверяют наличие других кредитов. Программа анализирует введенные сведения и констатирует: выдавать заем или отказать в просьбе.
  2. «Финансовое поведение». Проверяются действия соискателя в сфере банковских операций со счетами и картами. На основании статистических сведений программа делает вывод о платежеспособности клиента и уточняет параметры лимитов.
  3. «Мошенничество». КФУ считают, что в неприкрытом мошенничестве задействовано 9 % кредитов. Защищая собственные интересы от невозврата заемных средств, потенциального получателя денег оценивают на вероятность попрания им УК РФ.
  4. «Друг – коллектор». Это метод определения порядка действий КФУ при реанимации «плохого» кредита. Диапазон мероприятий начинается звонком из банка и предупреждением должника по телефону и заканчивается передачей «забывчивого» клиента в руки коллекторского агентства. Эффективность комплекса мероприятий достигает 40 % — по неофициальной статистике, именно столько должников возвращают занятые финансы после энергичных напоминаний.

Интервал значений

Формальная оценка финансовой лояльности гражданина лежит в диапазоне 250-999. Каждая контора разработала собственную градацию.

Например, Национальное бюро кредитных историй. Число 600 – нижняя граница доверия. Банк, сотрудничающий с НБКИ, получив уведомление о клиентском СБ 599 и ниже, предпочтет отказать в займе. Однако, если СБ превышает 690, то затруднений в оформлении не возникнет. В интервале 610-680 возможны следующие ситуации: снижение суммы займа, сроков исполнения, повышенная ставка или вообще вместо живых купюр предложат пластик.

Банки, взаимодействующие с компанией кредитных историй «Эквифакс», оценивают фактор доверия так: нижняя граница доверия – 510; беспроблемное финансирование – 831.

Диапазон 511-830 позволит получить кредитную карту или минимальную сумму займа по повышенной ставке на кратчайший срок.

При каких параметрах не откажут

Возраст. С 23 до 55 лет обеспечат долговыми деньгами. Так как это работоспособный и относительно здоровый период жизни.

Образование. Высшее в приоритете.

Место проживания. Не криминализированный по сведениям статистики район.

Профессия и должность. Дают плюс, так как специалисту и руководителю заработок гарантирован.

Уровень дохода. Показывать следует не только зарплату по основному месту работы, но и доходы от подработки. Даже без официального трудоустройства.

Кредитная нагрузка. Перечисляйте открыто все денежные и пластиковые займы. Логика программы иногда творит чудеса: у человека три долга перед банкирами, но соискателю не отказывают и в четвертом займе.

Операции с картой. Показывайте финансовую состоятельность – совершайте мелкие покупки по кредитке. Аккуратно гасите долг. Не встревайте в азартные игры с расчетом пластиком.

Кредитная история. Емкий показательный формуляр. Скоринговый уровень из отзыва как проходная отметка в вуз.

Причины низкой оценки

В порядке убывания важности причины выглядят так:

  1. За месяц фиксировано более одного запроса КФУ о лояльности потенциального заемщика. Предположим, человек после отказа в крупном банке направился в учреждение меньшего масштаба, перебрал десяток кредитных контор за месяц. Это выглядит очень подозрительно, формируется мнение, что клиенту отказывают неспроста. В отношении ситуации есть пример из СБ РФ. Там «кредитные операционисты» в случае отказа в запрашиваемой сумме советуют следующий запрос составлять не ранее чем через два месяца.
  2. Отсутствие актуальных сведений о новых кредитах. Если за соискателем не числится годовой давности заем, то этот факт снижает оценку. Сберкасса заботится о потенциальных получателях финансов и рассылает СМС с приглашением оформить новый кредит. Хотя видит, что человек еще со старым не расквитался.
  3. Возраст, пол и семейное положение не позволяют удовлетворить запрос. Гендерные границы установлены на основе статистики о продолжительности жизни мужчин и женщин. Семейное положение «женат» или «замужем» повышает оценку. Одиноким с низким уровнем оценки предоставляется право обратиться в МФО.
  4. Активность получения и использования карт. Чтобы повысить показатель, надо либо получать новые карты, либо стремиться к увеличению лимита по действующей. Сбербанк, наблюдая за активностью выданной карты, за аккуратностью пользователя в выплате долгов по ней, непременно повышает лимит. Например, семь лет назад выданная карта с лимитом 20 тысяч рублей регулярно возобновлялась, лимит увеличился до 85 тысяч рублей.

Непреодолимая преграда

Зона скорингового балла – это интервал параметра оценки клиента на риск невозврата и мошенничества. Успех определяется зоной. Красочные рапорты Национального бюро кредитных историй делят допустимый диапазон значений в среднем на части:

  • Красную 300-400.
  • Оранжевую 401-500.
  • Желтую 501-620.
  • Зеленую 621- 850.
Читайте также:  Как продать акции газпрома через сбербанк

Для одобрения кредита скоринговый балл доступен в зеленом секторе.

Но в целом для интересанта красный цвет подобен черному.

Шкала для КФУ делится на три сегмента: белый, черный и серый.

Если параметр кандидата расположен в белом секторе, то есть вероятность удовлетворить необходимость в финансах в запрашиваемом размере и на желаемый срок.

Черный сегмент означает черный скоринговый балл. С полным и окончательным отказом на текущий момент. Но отчаиваться не следует. С целью доведения программного комплекса до совершенства разработчики допускают выдачу минимального кредита обладателям низкой оценки.

В пределах статистической погрешности до 5 % претендентов, попавших в черную зону скорингового бала, обеспечиваются кредитом. Банки готовы рискнуть невозвратом мелкой суммы для уточнения стратегии расчета проходной отметки и математической модели в целом.

Всех жизненных ситуаций не предусмотришь одномоментно. Поэтому в серой зоне простор для маневров. Если жестко отказывать соискателям, то повышается вероятность снижения клиентской базы. Что ведет к ухудшению финансового результата работы КФУ.

Выведать собственную подноготную

Соискатель кредита не защищен от технической ошибки оператора, вносящего сведения о клиенте в программу, и от сбоев, собственно, программы. В неподходящий момент человек обнаруживает, что его история не безупречна в глазах банка. Исправить формуляр непросто, времени займет изрядное количество, поэтому полезно раз в год обращаться в бюро хранения историй и получать подробный отчет о финансовых взаимоотношениях с банками. Ниже приведен способ, как узнать свой скоринговый балл.

Этапы поиска через интернет:

  1. Найти в заключенном договоре или получить вновь код субъекта кредитной истории. Получение нового КСКИ – процедура платная, примерно 300 рублей.
  2. Через сайт Центрального Банка обратиться в Центральный каталог кредитных историй за информацией о месте хранения сведений о человеке под указанным КСКИ. Это место называется Бюро кредитных историй.
  3. Обратиться в указанное БКИ за отчетом.

Хранилище каждого шага

По сведениям с сайта ЦБ РФ на территории страны действуют 17 контролирующих компаний. Города, жители которых на третьем этапе могут обойтись без интернета, а просто прийти с удостоверением личности в офисы БКИ и получить требуемый отчет:

  • Москва – 6 компаний;
  • Ростов-на-Дону – 3 конторы;
  • Санкт-Петербург – 2 организации;
  • Йошкар-Ола и Казань, Тольятти и Камышин, Красноярск, Тюмень – по 1 точке.

Предоставляют онлайн-сервис три столичных компании:

  • Национальное бюро кредитных историй, НБКИ.
  • Объединенное кредитное бюро, ОКБ; надо на сайте компании зарегистрироваться, создать личный кабинет и внести персональные данные. На этом онлайн заканчивается, и в игру вступает Почта России: провинциалам надо заверить у нотариуса заявление на активацию личного кабинета и отправить заказным письмом. Столичные соискатели располагают возможностью лично доставить заявление в офис ОКБ. После проверки сведений в заявлении на электронную почту придет ответ — допуск в ЛК.
  • «Эквифакс».

Проверочные услуги КФУ

Узнать скоринговый балл Сбербанка можно за 580 рублей. КФУ возьмет на себя все тяготы обмена запросами и письмами для получения отчета о кредитной истории, содержащего код допуска к финансам.

"Райффайзенбанк" подобных услуг не оказывает, но о клиентах имеет полную финансовую картину. Заемщик может воспользоваться статьей 8 закона 218 и самостоятельно пройти цепочку получения отчета с оценкой лояльности.

Лояльность клиента как заемщика КФУ проверяют, параллельно рассматривая результаты собственной программы и системы бюро, с которым у банка заключен договор.

Сколько стоит

На территории страны действует закон о кредитных историях. Согласно статье 8, заемщик имеет основание один раз за календарный год обратиться по месту хранения и безвозмездно получить отчет о собственной истории.

Количество обращений учитывается в бюро. Интересы заемщика охраняет Федеральная служба по финансовым рынкам. Если контора выставит требование оплатить услуги по предоставлению первого и единственного отчета, то гражданин вправе письменно пожаловаться в ФСФР на нерадивого исполнителя услуг.

Запросов за год можно формировать сколько угодно. Но правило таково: бесплатно – один. Остальные ответы предоставляются за отдельную плату в размере 300-700 рублей.

Пересдача

Отчет о кредитной истории с неудовлетворительным показателем огорчает и рушит планы. Человек ищет, как повысить скоринговый балл. Способы изменения различные. Выбор определяется параметрами требуемого займа.

Зарегистрировав брак, приобрести статус семейного человека. При подсчете СБ семейным гражданам добавляют 29, а холостым только 9.

Сменить район или регион проживания на благополучный с точки зрения криминогенной обстановки.

Получить в выбранном банке кредитную карту и совершать с нее мелкие покупки, погашая долг в льготный период.

Оформить кредит условно на 50 тысяч рублей. Совершить покупку, например, стиральной машины, и погасить задолженность без нарушения графика платежей.

Советы бывалых

Полезно заблаговременно позаботиться о платежной репутации.

  1. Узнайте текущее значение параметра лояльности.
  2. Запрашивайте отчет раз в год.
  3. Сравнивайте текущее значение с предыдущим числом. При резком снижении параметра лояльности подайте заявку на кредитную историю. Разберитесь, отчего упал рейтинг доверия. Примите надлежащие меры.

Вопрос, выдаст ли кредитная организация вам ссуду или откажет, чрезвычайно труден. За его решением стоит дорогостоящая и кропотливая работа. Все большее число банков стремится ускорить и удешевить свой скоринг, сделать его автоматическим. О том, как осуществляется такой скоринг, рассказали специалисты фирмы Experian.

Ограниченность автоматизированного скоринга

Анализ заявок на кредит – процедура, которую можно и нужно сделать автоматизированной. Традиционный, ручной скоринг – вещь очень затратная, поскольку требует обучения сотрудников и тщательной проверки, и времени на одну заявку тратится довольно много. А вот автоматическая система может за секунды обработать значительный объем данных, у нее отсутствуют предубеждения, она не подвержена усталости и переменам настроения.

Скоринг-системы, которые построены на платформах наподобие PowerCurve фирмы Experian, нацелены не на замену живого работника. Они имеют цель помочь ему правильно и быстро принимать решения на любом этапе процесса кредитования. Принципы, на основе которых работают автоматизированные системы, по сути, ничем не отличаются от принципов проведения ручного скоринга.

Процедура заключается в применении скоринговой модели к собранной информации. Цель осуществления скоринга – предсказать, каким образом заемщик будет обслуживать кредит. Это позволяет применять к скоринговым оценкам соискателя рисковую стратегию и принимать определенные решения по его заявке: одобрить ли ссуду, в каком размере, под какую ставку, на какой период.

«Процент решений, которые банки принимают полностью автоматически, на данный момент не очень велик. Это объясняется тем, что кредитные учреждения пока не вполне доверяют машинам. Помимо этого, не все сведения можно проверить, не привлекая человека. Допустим, компьютер не позвонит соискателю займа на работу. Поэтому полностью автоматизированные решения принимаются, как правило, по заявкам на небольшие ссуды», – рассказывает Анна Уштей, являющаяся глобальным консультантом фирмы Experian.

Читайте также:  Как считается среднемесячный заработок

Что банки желали бы знать о потенциальном заемщике?

Банки стремятся собрать о клиенте максимальный объем информации, используя разные источники. Помимо сведений, предоставляемых самим соискателем, используются данные из БКИ (прежде всего, кредитная история), открытая информация из социальных сетей, государственные информсистемы, внешние проверки (допустим, звонок работодателю). Данные, анализируемые в ходе скоринга, можно разделить на несколько групп:

  1. Идентификационные данные. Информация, позволяющая идентифицировать заемщика: данные из паспорта, фотография, место жительства, подпись, контактные телефоны. Именно с обработки данных сведений стартует скоринг. Это дает возможность на самой ранней стадии отсеять потенциальных мошенников и однозначно неперспективных заемщиков. Если человек является действующим клиентом банка, обработка и проверка этой информации обойдется кредитному учреждению очень дешево, скоринг может быть почти полностью автоматизирован. Идентификационные данные изменяются редко. Отметим, что даже мелкая непреднамеренная ошибка при предоставлении идентификационных данных приведет, вероятнее всего, к отказу в заимствовании.
  2. Демографические данные. Пол, возраст, образование, место проживания, семейное положение, фирма-работодатель и занимаемая должность. В отличие от идентификационной информации демографическая со временем меняются: повышается возраст, человек переезжает, учится, меняет работу, растет в должности, женится, разводится и т.п. Сегодня даже пол может измениться.
  3. Финансовое положение. Наличие и величина регулярного дохода, размер трат, наличие и количество иждивенцев. Тут для претендентов имеются широкие возможности для различных хитростей: расходы можно скрыть, доходы преувеличить. Эти сведения меняются постоянно, поэтому банкам приходится уделять их проверке наиболее пристальное внимание.
  4. Кредитная история. Пожалуй, самые ценные данные для скоринга – наличие погашенных и текущих займов, наличие просрочек и их продолжительность. Если клиент долгие годы аккуратно обслуживал ссуды, можно с большой вероятностью предположить, что он будет продолжать в том же духе. Разумеется, верно и обратное.
  5. Транзакционное поведение. Данные такого рода доступны банку, ежели речь идет об оформлении займа не человеку «с улицы», а владельцу пластиковой карточки кредитного учреждения. Имеют значение характер и регулярность операций по пластику – где, как часто, в каком объеме соискатель оплачивает покупки. Заметим, что банкиры оперируют не конкретными услугами и товарами, не названиями магазинов, а категориями точек продаж и суммами.

Данные, которые предоставляет сам заемщик, подвергаются верификации. С этой целью используются и внешние источники, и проверка на внутренние противоречия. Существуют ясные, поддающиеся проверке взаимосвязи между местом работы и проживания, профессией, должностью и величиной зарплаты и т.п. Непротиворечивость этих сведений может проверить машина, а дорогостоящее рабочее время кредитных специалистов экономится.

Модель будущего

Скоринговая модель является ценнейшим активом банка. Именно она определяет, какую оценку (число скоринговых баллов) получит заемщик на всех стадиях скоринга. Скоринговую модель специалист может «набросать» и вручную. Но намного эффективнее будет создание модели на основе имеющейся статистики по заявкам и оформленным кредитам.

При статистическом анализе могут обнаружиться самые различные, часто неожиданные взаимосвязи между просрочкой и сведениями о заемщиках. Допустим, работники, которые заняты в какой-то отрасли, могут иметь повышенную склонность к просрочкам. Или многодетные отцы окажутся более аккуратными заемщиками, нежели холостые мужчины. Подобные взаимосвязи и выводы из них будут зависеть от профиля банка, от политической, экономической и демографической обстановки, они могут значительно изменяться во времени, поэтому скоринговую модель необходимо регулярно пересчитывать. Обычно это осуществляется не реже пары раз в год.

Если кредитное учреждение лишь выходит на рынок или кардинально меняет профиль, то наработанная статистика у него отсутствует. Тогда оно может купить готовую систему или заказать сторонней фирме разработку системы для своего профиля. Обычно такие модели не слишком эффективны, и вскоре их необходимо усовершенствовать, основываясь на полученной статистике.

Скоринговая модель часто дополняется условиями и фильтрами, настраиваемыми вручную. Не секрет, что банкиры с предубеждением относятся к юристам и журналистам, даже если статистикой не выявляется повышенный процент просрочки у представителей указанных профессий. Журналисты способны испортить репутацию банка, а юристы любят судиться. Кстати, сами работники финансового сектора тоже зачастую попадают в данные фильтры.

Серая зона

Как именно баллы, полученные в результате скоринговой процедуры, влияют на решения, которые принимаются на всех стадиях обработки заявки на ссуду, – это зависит от рисковой стратегии. Шкала скоринговой модели условно делится на 3 зоны: серую, черную и белую. Если оценка попадает в белую зону, это предполагает гарантированное положительное решение, если в черную – отказ. А вот что касается серой зоны, то здесь возможен простор для маневра.

Стратегией определяется, какая доля заявок на кредит в серой зоне будет одобрена, причем стратегией должны учитываться самые различные факторы. Допустим, в ней можно утвердить, что незамужние учительницы средних классов, балл которых оказался в серой зоне, должны получать положительное решение в 50% случаев, размер кредита не должен выходить за 100000 рублей в 70% случаев, а срок кредитования не должен быть меньше 36 месяцев в 100% случаев.

Подобные тонкие настройки дают возможность банку формировать портфель максимально аккуратно и точно. И средства автоматизации способны здорово облегчить разработку корректной стратегии.
«В модели PowerCurve можно разобрать стратегию по ряду сегментов клиентов, схожих между собой по каким-то критериям, – рассказывает Сергей Горащенко, возглавляющий представительство Experian в РФ и странах СНГ. – Кому-то, к примеру, задаем повышение лимита, кому-то – поднимаем ставку, но не меняем лимит, кому-то – снижаем лимит, после чего устанавливаем запуск данной стратегии по всему портфелю или по определенной его части. Используем стратегию в PowerCurve, модель все рассчитывает и выдает банковским сотрудникам ответ, что с каким претендентом надо делать, какие действия совершить, что поменять».

Такие модели, как PowerCurve от фирмы Experian, дают возможность риск-менеджеру задать желаемую стратегию за несколько минут и проверить ее на статистических данных по кредитному портфелю. Осуществив расчеты, система продемонстрирует тот уровень просроченных займов, который бы имел кредитный портфель при условии, что тестируемую стратегию применяли бы в заданный период. Подойти можно и с другой стороны: задается допустимый уровень просрочки, и компьютер предложит стратегию, которая основывается на статистике за заданное время.

Увы, целиком положиться на автоматику не получится: когда новая стратегия сильно отличается от действующей, требуемой информации может элементарно не оказаться. Допустим, если банк почти не давал ссуды престарелым ИП, а новая стратегия подразумевает их наличие в кредитном портфеле, тогда PowerCurve не сможет спрогнозировать просрочку с необходимым уровнем точности. Поскольку, повторимся, статистики по таким клиентам у банка нет.

Отметим, что стратегией может предусматриваться выдача займов в черной зоне, иначе говоря, заявителям, для которых скоринг-модель показывает высокий риск попадания в просрочку. Незначительный процент одобрения «черных» заявок дает возможность составить статистику по пограничным соискателям, что помогает совершенствовать и скоринговую систему, и стратегию.

Ссылка на основную публикацию
Adblock detector