Директор по маркетингу НБКИ Алексей Волков показал, что каждая волна турбулентности оказывает влияние на поведение заемщиков, приводя к очередному пересмотру кредитной политики банков. Одна из прослеживаемых тенденций — нежелание заемщиков хорошего качества брать новые долги. «Меняется популяция, доля хороших и плохих заемщиков. Госпрограммы поддержки ипотеки и автокредитования разогревают соответствующие сектора рынка, привлекая туда новых заемщиков, — отметил он. — Плюс — об онлайн-заявках мы знаем меньше, чем об офлайн. Консервативная профессиональная среда риск-аналитиков переживает бум в отношении поиска технологий, решений, математических инструментов. Это тяжелейшая ситуация для маркетинга».

Алескей Волков (НБКИ). Фото: Conglomerat

От хранения данных — к моделированию

Судя по докладу Алексея Волкова, раньше в НБКИ занимались хранением данных, а скоринговые модели были «в ограниченном диапазоне»; сейчас клиентам предоставляют прескоринг, скоринг МФО 2.0, индустриальный скоринг МСБ, а также решения для ретейла.

Помимо разработок новых моделей налажен контроль стабильности скоров «до того, как модель начинает плавать» (что может значить радикальное изменение популяции или поведения), сообщил Алексей Волков. Это необходимо, поскольку возрастает роль НБКИ в технологическом ландшафте, а с будущего года — еще и ответственность бюро как квалифицированного поставщика данных, отметил он. Клиент сможет запросить кредитную историю не у трех БКИ, а в режиме одного окна. Появится продукт ССП — сводные сведения о платеже.

Скоринг, да не тот

Елена Конева, директор по развитию бизнеса «БКИ и скоринг» компании FICO, остановилась на типичной, на ее взгляд, для российских банков ошибке в управлении портфелем. Банки долго фокусировались на новых клиентах, применяя модель account origination. Но сейчас «популяция закончилась», и многие «додумались обратить внимание на накопленный портфель клиентов», в работе с которыми эксперт рекомендует использовать скоринг управления счетами (account management). По словам эксперта, если правильно выстроить отсечение, то эта модель показывает гораздо лучшие результаты.

Это относится ко всем категориям заемщиков, и применение данной модели дает существенный экономический эффект как в определении стратегии сбора задолженности, так и для увеличения кредитных лимитов качественным заемщикам или кросс-продаж продуктов, уверена эксперт. Елена Конева также подчеркнула, что именно эту модель использует в своей глобальной практике Ситибанк, но в России пока с ней работают только крупные банки.

Риск-спецназ: миссия выполнима!

Значительная часть выступлений содержала банковские кейсы. Два из них были посвящены проблеме связанных заемщиков. Так, зампред правления Азиатско-Тихоокеанского банка (АТБ) Сергей Капустин в докладе «Риск-спецназ, опыт внедрения риск-процессов в короткий срок» рассказал о практике работы в банке, находящемся под санацией с 2018 года. Проект реализовали в рамках подготовки банка к продаже.

По словам спикера, оказалось, что в АТБ не было четких процедур и обязательных параметров кредитования, в том числе не проверялись кредитные истории бенефициаров клиентов-корпоратов, связанность заемщиков, а в итоге финансирование проводилось не в соответствии с нормативами.

Сергей Капустин сообщил, что в банке внедряется алгоритм, учитывающий лучшие международные практики по инвестиционным, розничным и корпоративным рискам (также распространившиеся в России с легкой руки Ситибанка).

Использование в АТБ набора из 10 индикаторов устойчивости компании-заемщика привело к росту кредитного рейтинга банка АТБ по шкале Fitch, позволив привлекать более дешевое фондирование. В комплексе меры позволят на треть сократить стоимость риска, дал прогноз докладчик.

Сергей Капустин (АТБ). Фото: Conglomerat

Все ГСЗ в одной системе

Юлия Чехлова, лидер команды ГСЗ (групп связанных заемщиков) ВТБ продолжила тему, рассказав о практике конструирования ГСЗ и их идентификации. В конце 2020 года в ВТБ начала работать первая в России специализированная информационная система, где учитываются периметры консолидации, группы взаимосвязанных заемщиков, бенефициары.

KPI системы — снижение рисков концентрации, пояснила эксперт. Сейчас информацию в системе запрашивают около 50 пользователей в день — риск-специалисты и кредитчики ВТБ, к концу года нагрузка возрастет до 800 ежедневных обращений, ожидает Юлия Чехлова. Четкие критерии группы позволяют эффективно отслеживать устойчивость норматива Н-6. Ранжирование клиентов помогает выставлять лимиты на группы, выдавать транши и сопровождать сделки, сказала эксперт.

Юлия Чехлова (ВТБ). Фото: Conglomerat

Модератор форума Владимир Шикин, замруководителя маркетинга НБКИ, сообщил, что «на Западе оценка независимым скорингом портфеля или сегмента — уже почти на уровне стандарта». Он считает, что это особенно актуально в сегменте МСБ, где разорение одного из собственников может привести к дефолту бизнеса. НБКИ выдает набор скоринг-оценок по бизнесу, по каждому из бенефициаров и топ-менеджеров, но компетенцию по поиску оставляет на стороне банка, уточнил он.

Владимир Шикин (НБКИ). Фото: Conglomerat

Тем временем Семен Теняев, глава группы ВБЦ и основатель соцсети для работы и бизнеса TenChat, придумал, как через угрозу потери репутации управлять модельным риском. «Репутационный анализ оказывает сильное влияние на потребителя. Собственники бизнеса связывают свою репутацию с репутацией бизнеса. Пойдет ли человек на дефолт, чтобы скрыть деньги? Мы применили этот подход в софт-коллекшн на примере банковских гарантий на 180 млрд за два года. Риск дефолта снижается на 50%, — пояснил он. — Со временем мы проскорим каждого. Ясно, что тем, за кем тянется негатив брошенных компаний и "нулевок", кредит лучше не давать. Сейчас пользователей 70 тыс., модель заработает, когда будут миллионы».

Семен Теняев (ВБЦ). Фото: Conglomerat

Отказники: влияние на бизнес

О практике скоринга запросов на кредит от «клиентов с улицы» рассказал замдиректора Департамента розничных рисков, моделирования и верификации — начальник управления аналитики Росбанка Артем Кобликов. В банке компенсируют недостаток данных за счет внешних источников. «За 2020 год мы проанализировали около 60 сервисов. Сложность в том, что поток таких клиентов сильно меняется, а обычно скоринговая модель банка подстроена под конкретный поток. Это вызов для банков: не в полной мере лояльные клиенты конкурирует за их внимание, — пояснил он. — Подход доказал свою эффективность, а стабилизировать систему позволила модель от НБКИ».

Речь идет о продукте «Скоринг ретейл CV», уточнили в НБКИ. По словам Артема Кобликова, важно смотреть на то, что решение «в итоге дает бизнесу банка с учетом стоимости и сроков внедрения».

Илья Скворцов, руководитель отдела развития аналитических сервисов НБКИ, оценивая работу банков в кризис, упомянул о случае, когда банк так закрутил риски, что выдачи упали, а «часть хороших клиентов ушла к конкурентам, которые не реагировали так драматично». Восстановить объемы кредитования организации не удалось даже по итогам 2020 года. Но наблюдались и противоположные крайности — когда банки не среагировали на кризис «достаточно быстро» и «риски взлетели до небес».

«Этот сложный год научил проверять устойчивость кредитной политики банка к внешним шокам. Корректировки должны быть временными и соразмерными угрозе», — подвел итог Илья Скворцов.

Илья Скворцов (НБКИ). Фото: Conglomerat

Кредитование клиентов «без истории»

Руководитель отдела разработки скоринговых систем банка «Ренессанс Кредит» Анастасия Смирнова рассказала о принципах оценки эффекта от использования открытых внешних данных, о выборе источников. Важно не только провести ретротест и смоделировать встраивание полученных данных в систему банка, но и определить период тестирования. Есть риск того, что при увеличении объемов информации и количества источников эффективность возрастать почти не будет.

В определенных сегментах «Ренессанс Кредит» одобряет кредиты отдельным клиентам без кредитной истории, заверила она. Как и коллеги, при принятии решения Анастасия Смирнова предлагает сопоставлять риски дефолта и недополученной прибыли.

Анастасия Смирнова (Ренессанс Кредит). Фото: Conglomerat

От формулы в Excel — до нейросети

Вера Перевицкая, начальник отдела валидации дирекции интегрированного риск-менеджмента Альфа-Банка, призвала коллег создавать системы по ведению реестра моделей. Для начала важно определиться: что в организации признают моделью (разброс — от формулы в Excel до нейросети). Реестр должен содержать обязательную информацию: наименование модели, ее номер и версию; цель применения; значимость (чтобы оценить их влияние, эффект от ошибок). «Чем больше прибыль от модели, тем больше к ней нужно внимания, чтобы вовремя скорректировать ее в случае отклонения от целевых результатов, — уточнила спикер. — Нужны независимая регулярная валидация, мониторинг с определенной периодичностью, документация по моделям и результатам приемки, в том числе — на случай смены персонала. [Нужны] результаты приемочного тестирования, согласование модели с вовлеченными сторонами, проверки вовлеченного персонала».

По мнению Веры Перевицкой, важно также выявлять условия, при которых целесообразен отказ от модели. «Это один из важнейших элементов по управлению модельным риском», — сказала спикер.

А интерес к теме модельных рисков есть у центральных банков, в том числе у Банка России, сошлись во мнениях участники мероприятия.

Прогноз должен быть равен факту

Юрий Полянский, начальник отдела валидации внутренних методик и моделей оценки кредитного риска Департамента банковского регулирования Банка России, посвятил участников форума в проблему оценки качества моделей ПВР-подходов (продвинутый способ оценки капитала, резервов и в будущем — кредитного риска, который сейчас используют всего три отечественных банка). Это фактически МСФО 9, обязательный, чтобы стать системно значимым банком, сказал спикер.

По его мнению, разработчики и валидаторы тестируют риски с помощью «неоднозначного» инструментария. Представитель ЦБ уточнил, что ключевую роль в оценке подходов играет качество моделей LGD (loss given default). На примере показателя PowerStat он продемонстрировал восемь существующих моделей расчета с разбросом показателя модели LGD от 20% до «верных» 60–70%.

«В погоне за цифрами и показателями иногда теряется, что же получилось. Мы делаем визуальный анализ, а не абстрактную цифру. Прогноз должен быть равен факту, — резюмировал Юрий Полянский. — Сейчас мы проблему не педалируем… но вопрос о стресс-тестировании не капитала, а модели становится очень актуальным».

Представитель ЦБ подчеркнул, что банки могут использовать модели от сторонних разработчиков, но сами разработчики «защитить их в Банке России не могут», а специалисты банка должны представить регулятору собственную документацию.

Юрий Полянский (Банк России). Фото: Conglomerat

Клиент, который знает себе цену

Алексей Волков напомнил, что ЦБ выпустил нормативный документ, который регламентировал расчет индивидуального рейтинга физлица, вводя единую шкалу и алгоритм. Это означает, что ответственность с точки зрения влияния на жизнь человека возрастает. Чтобы подстегнуть интерес клиентов к кредитным рейтингам, НБКИ, по его словам, выходил к банкам с предложением создать в личном кабинете «прототип маркетплейса», а также отдавать банкам преотскоренные данные, чтобы клиенты получали через лидогенерацию предложения по дисконтным ставкам. Алексей Волков считает, что если будет спрос со стороны банков, то в бюро готовы к данной теме вернуться.

«Сознание значимости рейтинга для кредитования во многом изменит ландшафт отношений кредитора и заемщика. Заемщик, приходящий за кредитом и знающий себе цену, как следствие претендует на другую ставку», — уверен Алексей Волков.

Информация и репутация

По репликам из зала было ясно, что одна из тем, волнующих рынок, — где проходит грань, за которой сбор и использование персональных данных «чреваты» для использующих их организаций, и как избежать проблем. В том числе такие вопросы были адресованы Николаю Меркулову, замдиректора по анализу данных и моделированию «Платформы больших данных» (СП ВТБ и Ростелеком). Он рассказал, что в расчетах участвуют данные 9 млн домохозяйств, а телефонный номер используется «как универсальный и относительно стабильный идентификатор». Платформа также использует данные из соцсетей, выложенные в открытом доступе. Пользователи информации — рекламодатели, бизнес и ВТБ (банк интересуют потенциальные заемщики, аффилированность и т.д). Николай Меркулов заверил, что данные анонимизированы.

Николай Меркулов (СП ВТБ и Ростелеком). Фото: Conglomerat

Сергей Голицын (ВТБ). Фото: Conglomerat

Сергей Голицын, вице-президент ВТБ, который в своем докладе об эффективности больших данных через тренд Data Fusion рассказал о геоаналитике и графовой аналитике, которая «сводится до уровня детальных субъектов, включая физлиц», сообщил, что «целью машинного обучения является история безопасного объединения данных без раскрытия тайн».