Финансовая сфера

Банковское обозрение


  • Оценка заемщика — оценка рисков
01.11.2004

Оценка заемщика — оценка рисков

Страховая компания «РОСНО» разработала автоматизированную систему оценки кредитного риска частного заемщика, построенную на модели скоринга, которая может быть использована при экспресс-кредитовании. Система может применяться не только банками, выдающими кредит в точках продаж, но также и самими торговыми сетями, которые готовы обходиться без банков, отпуская товар в кредит под свою ответственность и страховку РОСНО. Об особенностях скоринга, предлагаемого РОСНО, «Банковскому обозрению» рассказал Виктор Станкевич, заместитель генерального директора этой страховой компании.


— Виктор Валерианович, чем ваша система скоринга отличается от других?

Виктор Станкевич: «Более глубокая детализация в скоринге начнется, когда кредитование «переварит» верхнюю часть «пирамиды» потенциальных заемщиков, которая сейчас охвачена»— По большому счету, все системы скоринга построены по одному принципу — это балльная оценка каждого заемщика. Основной вопрос — как эту оценку трактовать. Вообще, скоринг своими истоками восходит к К. Дюрану — английскому банковскому служащему, который, уходя на Вторую мировую войну, оставил инструкцию сотрудникам, как выдавать кредиты, и короткую формулу, учитывающую помимо имущественных параметров также социально-демографические, включая возраст, пол, образование, профессию, место рождения и проживания.

Сравнивать, у кого какой скоринг, довольно сложно, потому что сам по себе скоринг — это не статичная модель. Я очень люблю демографический пример: для средней полосы России двое и более детей в семье — это фактор кредитного риска. Многодетные семьи всегда дотировались государством, у них менталитет такой, что им не дадут пропасть, государство поможет. Отсюда, скорее всего, низкая внутренняя готовность отдавать взятый кредит. А для Татарстана, например, критерий «двое и более» работает с точностью наоборот. Потому что «двое и более детей» — это, как правило, показатель ответственности, состоятельности в социальном плане. Вроде бы совершенно одинаковый параметр, но для скоринговой оценки он может трактоваться по-разному, в зависимости от региона. Один и тот же параметр внутри скоринга можно сравнивать только с учетом других параметров. Что уж говорить о сравнении самих моделей скоринга.

— Получается, что простая формализация каких-либо индивидуальных критериев не обеспечивает точности оценки?

— Скоринг не будет универсальным никогда, он привязан к огромному количеству параметров, причем эти параметры подвижны. Это многофакторный анализ. Общего решения не существует, всегда бывают решения в частных приложениях. Из множества факторов, влияющих на убыточность, надо выбрать наиболее существенные, и привести их к количественному значению. А потом наблюдать, как они изменяются во времени, с изменением общественных и экономических условий. Вот так примерно создается модель скоринга.

Далее — построение системы скоринга зависит также от размера кредита. Одно дело — потребительский экспресс-кредит. Мы ограничиваем свой лимит 3 тыс. долларов на одно хозяйство. Другое дело — кредит свыше 10 тысяч. И методы оценки заемщиков при таких кредитах разные, хотя вроде бы и там, и там обследуется физическое лицо.

Почему наша компания не идет на страхование вообще кредитных рисков банков, почему мы взяли мелкие кредиты и экспресс-кредитование? Я считаю, у нас принципиально разные ниши. Банк оценивает кредитонадежность заемщика, используя свои типовые методы оценки — с анализом информации, с выездом специалиста, в зависимости от суммы кредита, на место работы и так далее. Мы принципиально используем статистическую модель, в которой как раз страховщики наиболее сильны своими методиками актуарных расчетов.

— Как применение вашей модели скоринга влияет на стоимость услуги?

— Сегодня некоторые банки — лидеры потребительского кредитования работают при кредитной ставке около 50%, включающей как декларируемый процентный доход, так и комиссионное вознаграждение за обслуживание кредита, открытие счета и прочее. Мы предлагаем тарифную ставку — 4, 5, 6%. Фактически это плата за риск, который в банковской ставке составляет значительно большую долю. Поэтому для нас погрешность плюс-минус 1% или небольшое изменение социальной среды и психологии означает уход из прибыли в убыток или наоборот. Цена процента в тарифе для нас гораздо выше, так что наша скоринговая система должна очень внимательно отслеживать, как меняются внешние условия, мотивы поведения людей, как это влияет на оценку риска.

Сегодня некоторые торговые сети высказывают порой недовольство, что мы — или «Первое О.В.К.», или «ДельтаКредит» — даем достаточно большое количество отказов. А количество отказов — это наше понимание, что клиент неблагонадежен. Для примера возьмем мужчину 40 лет: водительские права, знания иностранных языков нет, загранпаспорта нет, образования нет, места работы нет. Хоть он и житель Москвы, но с большой вероятностью будет отрицательный ответ. Однако в Москве это может быть житель Бутова или Арбата. И тогда уже положительный или отрицательный ответ скоринга — это вопрос глубины детализации.

Более глубокая детализация в скоринге начнется, когда кредитование «переварит» верхнюю часть «пирамиды» потенциальных заемщиков, которая сейчас охвачена. Это самые состоятельные, самые качественные заемщики. Ведь у нас в стране выдано кредитов, причем не только потребительских, где-то в объеме 1,5% к ВВП. В Западной Европе это приблизительно 50%, в Америке — 78—80%. Это является существенным показателем развития страны.

В странах Восточной Европы кредиты составляют 10—18% от ВВП в зависимости от момента вступления в ЕС. Наша ближайшая перспектива — догнать Восточную Европу. Что означает увеличить объем кредитования в 5—10 раз. Ну и в отдаленной перспективе — уровень кредитования 50% от ВВП, это программа лет на двадцать — догнать Западную Европу.

Процесс будет развиваться лавинообразно, основной двигающий мотив — «чем я хуже соседа». При движении к основанию клиентской «пирамиды» качество заемщиков будет неизбежно падать, а потребности ритейла будут говорить — кредитовать нужно большее количество. В такой ситуации для определения кредитонадежности клиента система скоринга должна обрабатывать информацию с наибольшей степенью детализации. Вот тогда скоринг будет «дотачиваться» до домов и улочек. В какую сторону окна твоей квартиры, какие номера у твоей машины — будем доходить до таких деталей при определении кредитонадежности.

— В чем отличие вашей модели от западных моделей скоринга?

— Мы принципиально не захотели пользоваться западной моделью, и не только потому, что менталитет разный. Во многих западных скоринговых моделях первичной и базовой информацией является справка кредитного бюро. То, чего у нас нет. А без этой информационной базы делать выводы по формальным параметрам западных подходов достаточно тяжело.

Другое дело, что все скоринговые системы предусматривают возможность настройки и доработки, чем банк может воспользоваться. Так что с учетом этого принципиальной разницы, наверное, и нет.

— Но есть же разница: на Западе скоринговая модель начинает работу со справки кредитного бюро, а у нас этой справки нет. Значит, надо чем-то компенсировать тот объем важнейшей информации, который мог бы быть в этой справке.

— Ну вот некоторые банки, использующие западные системы, и компенсируют недостаток информации более высокими кредитными ставками.

— Значит, есть возможность закрывать риски, связанные с отсутствием кредитной истории, либо высокими ставками, либо проработкой продукта?

— Да, недостаток информации мы закрываем программой. Определяем кредитонадежность, не исходя из кредитной истории, которой нет, а накладывая определенную социологическую и экономическую модель на конкретного индивида. Для этого нужна работа социологов, психологов.

— Легко просчитать факторы, которые есть в документах. Но многие критерии, о которых вы говорите, — они из области психологии. Таких справок никто не выдает, в паспорте тоже это не записано. Как извлекаются такие параметры?

— Это вопрос о структуре нашей анкеты. Первая составляющая анкеты — «жесткие» параметры. Они берутся не со слов, а исходя из документов, которые клиент имеет с собой. Из паспорта «выудить» можно много. Например, одинокая женщина, 35—40 лет, с ребенком, по скорингу для целей экспресс-кредитования с большой долей вероятности будет иметь ответ «да». В силу социальной модели поведения, в силу психотипа данной категории граждан, ее нацеленности на защиту ребенка. Комплекс этих факторов с учетом ее экономического положения свидетельствует о высокой ответственности и, как следствие, достаточной кредитонадежности.

Таковы «жесткие» параметры, которые позволяют делить клиентскую базу на социальные страты. Страт может быть много. Добавляешь новые признаки — и предыдущее количество страт может увеличиться в разы.

Мы выделили на сегодня 1056 первичных страт. Первоначально разработали балльную систему, не привязанную ни к чему. Важно было обкатать эту систему на массиве, набрать статистику, чтобы потом от этого массива данных уже вести корректировки. Чем больше выборка, тем четче локализуются некие пики, — мы их и нащупывали. Опрашивали по этой анкете своих сотрудников, людей на улицах, работников на предприятиях клиентов, даже постоянных посетителей в казино, всеми правдами и неправдами прося заполнять анкеты…

— А их-то зачем?

— Интересная группа, другой фактор риска. Высокий имущественный статус и совершенно другая психология — со склонностью вдруг целиком или частично этот имущественный статус утратить.

После «жестких» параметров в анкете следуют «мягкие» параметры, среди которых образование, знание языков, количество выездов за рубеж, наличие электронной почты, причем корпоративной или личной, место работы, наличие недвижимости. Эти характеристики также классифицируются и оказывают свое влияние на принятие решения.

И последнее — небольшой психологический опросик, который решает несколько задач. Он помогает определить достоверность информации, предоставленной клиентом. Из 18 вопросов, на которые необходимо ответить «да — нет», из чего-то на первый взгляд размыто-неопределенного получается определенность, как это бывает, наверное, только в психологии. По этим ответам строится некий профиль клиента, который при всей своей простоте на больших массивах показывает критические или некритические смещения относительно некоего признаваемого за норму поля. Это важно — мы больше основываемся на социально-экономической модели, нежели на защите кредита имуществом клиента.

— То есть если речь не идет о запредельных суммах, то ответственность заемщика важнее, нежели его экономическая способность расплатиться.

— Совершенно верно. Сумма кредита — до 3 тыс. долларов на хозяйство — покрывается годовым доходом практически любого домашнего хозяйства, члены которого вообще в состоянии интересоваться тем, что такое кредит. Какой величины там официальный доход — уже не так важно. Если человек переоценивает свои способности расплатиться, скоринг его «ограничивает».

— А каковы технические возможности системы скоринга? Ведь объем информации большой.

— Это не проблема. Посчитать эти объемы информации нетрудно, даже если все 150 млн населения обратятся за экспресс-кредитами. С точки зрения технической реализации проблема кроется в другом.

Потребительские кредиты выдаются не в банке, а в месте продажи товара/ услуги. Значит, приходится отстраивать информационные потоки между удаленными точками. Выделенный канал для мелкой точки — достаточно дорогое удовольствие. Как только переходим на внешние сети, то те проблемы, которые были, скажем, пару недель назад с вирусной атакой, вызвавшей большие перегрузки, становятся существенными. Смысл системы экспресс-кредитования состоит в том, чтобы быстро обрабатывать информацию и быстро принимать решения. Человек пришел, увидел и захотел купить. Система принимает решение примерно за 5 секунд. По сравнению с несколькими минутами на заполнение анкеты это вообще для клиента незаметно. Но вот если из-за перегруженности сетей или несовершенства связи ответ идет полтора часа — это убивает саму идею экспресс-кредита.

Сама по себе проблема непроходимости сетей несистемная, но когда она вдруг возникает — жизнь портит серьезно. Это вроде бы не наши недоработки, но нам приходится думать и о защите, и об изменениях протокола обмена данными. Туда залезать достаточно тяжело. Поэтому мы сейчас ищем технические решения для преодоления проблем связи с удаленными терминалами. В нашей системе уже заложены возможности как применения выделенного канала, так и беспроводной связи.

— Какие факторы существенны для корректировки модели скоринга? Ведь это не рынок ОСАГО, который через год проходит цикл и дает ясную статистику. По экспресс-кредитованию рынок еще долго будет не охвачен, цикл продукта незавершен — как оценивать статистику?

— Статистика является решающим фактором, когда работаешь на 50-процентной ставке. А вот когда спускаешься на более тонкие уровни доходности, то одной статистики уже недостаточно. Нужны не только аналитические, но и прогнозирующие модели.

Ведь когда анализируешь любой портфель, то подстраиваешь шлюзы, через которые проходят клиенты. Надежность такой модели будет катастрофически падать с расширением, а значит, ухудшением качества клиентской базы. Это если бы клиентская база была однородна, то тогда один раз и навсегда установил скоринг — и работай.

А если в идеологии скоринга были заложены социально-психологические подходы, то такую модель проще корректировать в зависимости от изменения качества клиентуры. Как только мы пойдем вслед за рынком вглубь клиентской пирамиды, где будет меняться качество заемщика, мы будем менять критерии.

Кроме того, у скоринга ведь есть и вторая функция. Это не только вхождение в бизнес, но и выход из бизнеса, то есть процесс возврата. Мы отслеживаем платежную дисциплину, к любому кредиту прилагается график возврата. Срок возврата, именно срок, а не только факт возврата — существенный параметр. В разных стратах сдвижка срока имеет разную причину. И именно эти данные буквально по ходу позволяют чуть-чуть корректировать критерии скоринга. Это фактор встроенной самонастройки модели.

Далее скоринг выдает психологический кредитный профиль клиента. Как на входе, так и в случае проблемного выхода. Когда у человека начинаются неплатежи, любой инспектор, который занимается урегулированием задолженности, получает не только факт долга, но еще и профиль клиента. С разными профилями идет совершенно разное общение. На одну группу действуют одни аргументы, на другую — другие. По результатам этой работы соответствующие поправки вносятся в оценку системой того или иного профиля клиента.

— Таким образом, идет не только закладка в систему скоринга социально-психологических критериев, но и автоматическая корректировка критериев самой системой?

— Мы были довольны формированием кредитного кладбища после первого периода работы. Это невозвращенные кредиты. Понимание, почему это происходит, — очень важно. Система имеет обратную связь, она автоматически подстраивает требование входных параметров клиента под заданный уровень убыточности или прибыльности. Информация об отсрочках платежа, о невыплатах попадает именно в ту страту, по которой клиент проходил. И по этой страте немножко изменяется коэффициент. Таким образом, эта модель скоринга сама реагирует не то что на свои неудачи с какими-то клиентами, но даже и на изменение внешней среды, отразившееся в поведении клиентов. Это постоянная подстройка, которая позволяет модифицировать модель под любое изменение поведения клиентов.






Новости Новости Релизы
Сейчас на главной

ПЕРЕЙТИ НА ГЛАВНУЮ