Финансовая сфера

Банковское обозрение


  • Баллы для заемщиков
08.08.2013 Аналитика

Баллы для заемщиков

В 1958 году американская компания Fair Isaac Company (FICO) продала первую скоринговую модель. Спустя 50 лет более 90% банков во всем мире использовали скоринговые модели для оценки заемщиков


На протяжении всей истории банковского дела кредиторы всегда оценивали тех, кто хотел взять деньги в долг. До начала прошлого века, когда рынок был достаточно узок, этим занимались сами банкиры. Затем появились кредитные менеджеры, которые оценивали риск невозврата кредитов заемщиками.

От «визуального» скоринга к скоринговой модели

В тридцатые годы прошлого века, во время «великой депрессии», в США были предприняты первые попытки создавать субъективные системы кредитного скоринга. Ситуация в экономике была не очень хорошая, а банкам, с одной стороны, хотелось выдать как можно больше займов, а с другой — минимизировать долю «плохих» долгов в своих кредитных портфелях. Эти системы строились на визуальной оценке потенциальных заемщиков кредитными менеджерами.

Возможно, что и дальше в США активно развивалось бы направление «ручного» скоринга и профессия кредитного менеджера была бы одной из самых высокооплачиваемых в финансовой отрасли, если бы Америка не вступила во Вторую мировую войну. Большинство кредитных аналитиков было призвано в действующую армию, а их место заняли новички. Благодаря военным поставкам экономика страны пошла на подъем и возник повышенный спрос на потребительские кредиты.

Если в ситуации с БКИ все более или менее прозрачно, то с кредитными брокерами много темных мест

Перед увольнением руководство большинства американских банков заставило кредитных аналитиков написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы оценку заемщика мог проводить неспециалист. Правда, вскоре выяснилось, что эти правила быстро устаревали и не учитывали всех изменений в экономике и жизни потенциальных заемщиков. Да и кредитных аналитиков требовалось слишком много.

В 1940 году Национальное бюро экономических исследований США опубликовало работу Ральфа Янга «Personal Finance Companies and Their Credit Practices», где впервые были высказаны идеи скоринга. Правда, сейчас об этой публикации знает лишь узкий круг специалистов, а «изобретателем» скоринга считается Дэвид Дюран. В большинстве публикаций, посвященных истории кредитного скоринга, упоминается это имя.

Из ботаники в банковский сектор
С точки зрения статистики кредитный скоринг — это метод классификации всей интересующей нас популяции на две группы: «хороших» и «плохих» должников. Нам неизвестна характеристика, по которой происходит распределение по группам, но зато известны другие характеристики, связанные с интересующей нас популяцией.
В статистике идея классификации популяции на группы на примере растений (вредные и полезные) была разработаны в 1936 году немецким биохимиком и лауреатом Нобелевской премии (1930 год) Хансом Фишером.
В январе 1941 года Национальное бюро экономических исследований США опубликовало исследование Дэвида Дюрана «Элементы риска потребительского кредитования в рассрочку» (Risk Elements in Consumer Installment Financing). Автор адаптировал разработанную Хансом Фишером методику для классификации кредитов на «плохие» и «хорошие». Правда, отдельные западные авторы указывают на то, что огромное влияние на Дэвида Дюрана оказали работы английского статистика, биолога-эволюциониста и генетика сэра Рональда Эйлмера Фишера, который внес колоссальный вклад в развитие современной прикладной математической статистики.
Методика Дэвида Дюрана состояла в следующем: он выделил группы факторов и их весовые значения, позволяющие определить степень кредитного риска, и установил границу выдачи ссуды как 1,25 и более.
Баллы, присваиваемые заемщикам в зависимости от конкретных значений этих факторов, были следующими:
1. Возраст: 0,1 балла за каждый год свыше 20 лет (максимум — 0,30).
2. Пол: женский (0,40), мужской (0).
3. Срок проживания в регионе: 0,042 за каждый год
(максимально — 0,42).
4. Профессия: 0,55 за профессию с низким риском, 0 за профессию с высоким риском, 0,16 — другие профессии.
5. Работа: 0,21 на предприятиях общественной отрасли, 0 — другие.
6. Срок занятости: 0,059 за каждый год работы на данном предприятии.
7. Финансовые показатели: 0,45 за наличие банковского счета, 0,35 за наличие недвижимости, 0,19 — за наличие полиса по страхованию.

Банки оперативно начали внедрять предложенную Дэвидом Дюраном балльную систему оценки заемщиков, тем более что она не требовала от персонала высокой квалификации. Нужно было лишь провести опрос клиента, расставить баллы, а потом суммировать их.

В 1956 году на американском финансовом рынке произошло событие, которое кардинально изменило ситуацию в сфере кредитного скоринга. Американцы — инженер Бил Файр и математик Эрл Айзек, которые трудились в Стэнфордском исследовательском институте, придумали первую кредитную скоринговую модель. Партнеры разработали математический алгоритм, вычисляющий уровень кредитоспособности заемщика в цифровом выражении. Другими словами, алгоритм позволяет просчитывать кредитные риски в виде трехзначного числа, которое является кредитным рейтингом. Они организовали компанию Fair, Isaac and Company (в 2003 году она была переименована в Fair Isaac Corporation, а в 2009 году — FICO).

В 1963 году, спустя пять лет после того, как Fair, Isaac and Company продала первую скоринговую модель, в «Журнале американского общества статистиков» была опубликована статья, где утверждалось, что «система балльного рейтинга не получила широкого распространения». Спустя полвека можно утверждать, что основная причина этого — дефицит мощных компьютеров и соответствующего ПО. Банки бы и внедряли у себя системы скоринга, но вот стоимость необходимого для этого оборудования и острейший дефицит персонала для его обслуживания значительно превышали экономический эффект от использования автоматизированной системы оценки заемщиков.

Этот период продлился недолго. В семидесятые годы прошлого века, с одной стороны, началось бурное развитие средств вычислительной техники, а с другой — бум кредитования. И тогда скоринговые системы начало внедрять у себя большинство банков. Более того, некоторые из них разработали собственные системы, не прибегая к помощи сторонних компаний.

Когда в середине девяностых годов в России началось постепенное внедрение скоринговых систем, то отечественные банки столкнулись с дилеммой: разрабатывать их самостоятельно или покупать у западных производителей. Спустя 15 лет появился и третий вариант: отдать скоринг на аутсорсинг.

Мы строили, строили и…

Теоретически создать скоринговую систему сотрудники банка могут самостоятельно, используя «подручные» средства типа программ из набора Microsoft Office. Как рассказал директор по развитию бизнеса компании разработчика, «построить скоринговую модель можно и с помощью Excel, что и делают специалисты в ряде банков, но процесс этот долгий и хлопотный, требует специальных знаний, не говоря уже о дальнейшем мониторинге таких моделей и их корректировке».

Правда, в последние годы Excel используется крайне редко, обычно применяется специализированное или универсально-аналитическое (различные математические и статистические пакеты) ПО.

Первое разработано и используется исключительно для создания скоринговых карт и моделей. Решить с помощью него какие-либо другие задачи в области статистики крайне сложно. В нем собраны различные «инструменты» (построения моделей, специализированные отчеты, диаграммы, различные методы построения моделей и т.п.), которые нужны для скоринга.

Российские разработчики ПО занимают на отечественном рынке довольно скромное место

С помощью второго теоретически тоже можно создать скоринговую модель, но на практике в большинстве случаев процесс этот будет очень трудоемким и потребует много времени. Например, для построения кривой финансовой эффективности на кредитном портфеле в скоринговом ПО нужно, условно говоря, нажать всего лишь две кнопки. А при использовании универсального ПО кроме того, что придется создавать весь алгоритм анализа, так нужно еще озаботиться созданием графического представления результатов.

Хотя основное различие между универсальным и специализированным ПО — в идеологии. Специализированный «софт» оперирует в основном бизнес-понятиями. Пользователям — риск-менеджерам и кредитным аналитикам — требуется лишь базовое понимание основ математики. А вот для работы с универсальным ПО требуются специалисты с серьезной математической подготовкой и навыками обращения с соответствующим «софтом».

У универсального ПО есть одно важное преимущество перед специализированным «софтом». Банк с помощью первого может создать скоринговую модель, в которой будут использоваться любые алгоритмы, а не только те, что присутствуют в специализированном ПО.

Довериться профессионалам

Хотя можно доверить разработку и внедрение скоринговой модели специализированной компании. Степень участия банка в этом случае различна, начиная от совместного «творчества» и заканчивая изготовлением системы «под ключ». Условно игроков на этом сегменте рынка можно разделить на две категории: представительства западных разработчиков скорингового ПО, которые занимаются продажей и обслуживанием продукции «родительских» структур, и компании-интеграторы. Последние с помощью западного и собственного ПО создают скоринговые модели «на заказ».

Интеграция скоринга
С 29 июля 2013 года Сбербанк при выдаче розничных кредитов использует интегральную оценку заемщика, которая основана на Скоринг Бюро III поколения (сервис предоставляется Объединенным Кредитным Бюро (ОКБ)) и системе внутреннего скоринга самой кредитной организации. Тестирование сервиса показало, что совместное использование двух скоринговых моделей дает дополнительный эффект, повышая качество интегральной модели банка более чем на 10%. Отметим, что по сообщению пресс-службы Сбербанка, он «выдает 30% всех розничных кредитов на территории России».

Скоринг на аутсорсинге

Есть и третий вариант — использовать сервис скоринга, который предлагают БКИ и кредитные брокеры. Хотя на рынке также есть предложения IT-компаний, которые готовы на своей «площадке» создать и эксплуатировать скоринговую модель банка. В этом случае кредитному менеджеру нужно будет лишь отправлять запрос поставщику данного сервиса и получать от него ответ: выдавать кредит или нет. Разумеется, окончательное решение остается за сотрудником кредитной организации.

Одно из важных преимуществ «скоринга на аутсорсинеге» — значительная экономия денег. Не нужно тратиться на покупку специализированного ПО, оплату труда специалистов и т.п.

Другое важное преимущество «скоринга на аутсорсинге» — значительное сокращение временных затрат. Вне зависимости от того, решит ли банк самостоятельно создавать скоринговую модель или поручит это специализированной компании, этот процесс может занять от недели до полугода. По словам разработчиков: «Срок разработки скоринговой модели зависит от нескольких факторов: уровня специалиста, который этим занимается; инструментария, с помощью которого разрабатывается скоринговая карта; количества и качества данных; желаемого результата».

Правда, у варианта «скоринг на аутсорсинге» есть один важный недостаток. Если в ситуации с БКИ все более или менее «прозрачно», то с кредитными брокерами и теми, кто предлагает взять на себя обязанности по созданию и функционированию скоринговой системы много «темных» мест.

Во-первых, бюро используют ПО от мировых лидеров. Например, у НБКИ это FICO, а у ОКБ — Experian Decision Analytics. Данные технологии уже несколько лет применяются во всем мире. Более того, речь идет не просто об использование данного ПО БКИ, а именно о совместных проектах с производителями. Генеральный директор Experian DA Даниэль Зеленский сообщил, что «решение NBSM бесперебойно работает на российском рынке уже более семи лет. Он внедрен в крупнейших российских банках (топ-20), и вот теперь это зарекомендованное в России решение выходит в виде готового коробочного продукта. Отработанные кредитные стратегии, лучшие модели принятия решений теперь станут доступны всем финансовым организациям и помогут использовать многолетний опыт сильнейших российских и зарубежных банков».

Во-вторых, для построения скоринговых моделей у БКИ накоплен достаточно большой объем статистики. Например, у ОКБ — более 500 банков. А «Эквифакс Кредит Сервисиз», по словам его генерального директора Сергея Лагуткина, «использовал большую выборку реальных данных из нашей базы — это миллионы кредитных историй».

По остальным участникам рынка «внешнего скоринга» не все так «прозрачно». Во-первых, непонятно насколько правильно и эффективно они используют специализированное ПО. Во-вторых, вопрос по объему и качеству накопленной статистики. В каждом конкретном случае нужно разбираться отдельно.

Все брэнды в гости к нам

Вне зависимости от того, будет банк сам создавать свою скоринговую модель, доверит решение этой задачи специализированной компании или будет использовать внешний скоринг, высока вероятность того, что ему придется воспользоваться услугами одного из мировых лидеров. Российские разработчики ПО занимают на отечественном рынке довольно скромное место. Маловероятно, что в ближайшие годы ситуация измениться.

По мнению разработчиков: «так происходит из-за того, что скоринг в России появился сравнительно недавно, в то время как международные компании имеют опыт работы на разных рынках и реализуют в своих продуктах функциональность, запрашиваемую западными специалистами, давно работающими в этой сфере на профессиональном уровне».

Другая причина, ее озвучил сотрудник одной из западных компаний — лидера на рынке специализированного ПО, «мировые лидеры имеют многолетний опыт работы с ведущими банками мира и предлагают в России продукты с учетом best practice внедрений. Российские разработчики фактически находятся на этапе стартапа, так как имеют относительно небольшой опыт работы на локальном рынке, который пока находится в стадии формирования».






Новости Новости Релизы
Сейчас на главной

ПЕРЕЙТИ НА ГЛАВНУЮ