В 2024 году профессиональные кредиторы столкнулись с ужесточением регулирования рынка кредитования. Ограничение доли клиентов с высокой долговой нагрузкой в портфеле со стороны Банка России оказалось более строгим, чем кредитные политики большинства игроков, опиравшихся на статистику поведения клиентов из прошлого. С одной стороны, расхождение оценок допустимого уровня риска участниками рынка и Банком России объяснимо: банки решают стандартную задачу — соблюдение баланса принимаемого риска, доходности и объема кредитного портфеля, а регулятор, ограничивая рынок кредитования, старается изъять из экономики избыточную, не обеспеченную товарами денежную массу, образовавшуюся за предыдущие два-три года, чтобы избежать неконтролируемой инфляции. С другой стороны, обязательство профессиональных кредиторов соблюдать избыточно строгие требования приводит к ситуации, в которой кредитор вынужден отдельно рассчитывать и реальную допустимую границу уровня закредитованности клиента, и требуемые для отчетности регулятора параметры. Требования к источникам данных о реально располагаемом доходе заемщика и о доходе, принимаемом для отчетности Банком России, могут различаться, что существенно усложняет процедуры риск-менеджмента, если пользоваться слишком узкоспециализированными решениями. 

В отличие от других источников данных о финансовом поведении клиентов, банки часто используют математические модели, построенные на данных MobileScoring, как для реального управления уровнем риска по выдаваемым кредитам, так и для расчета в модельном подходе обязательного для отчетности Банку России уровня ПДН, применяемого для ограничения доли высокозакредитованных заемщиков в портфеле.

Модель оценки дохода MobileScoring предоставляет банкам расчет уровня дохода почти 100% клиентов по анонимизированной истории транзакций, собираемой сервисом от всех банков-партнеров. Банк самостоятельно выбирает, какую из моделей дохода и в каком случае применять. Сервис предоставляет универсальную модель дохода, построенную на широком сегменте клиентов с подтвержденными доходами, хорошо зарекомендовавшую себя для улучшения внутренних моделей оценки дохода множества банков и принимаемую Банком России в качестве параметра при переходе банка на модельный подход оценки ПДН, а также специальные модели дохода, заточенные на работу с клиентским сегментом заказчика, которые могут в том числе учитывать «серые» доходы клиентов, что важно на текущем этапе экономического цикла.

Универсальная модель дохода MobileScoring показывает высокую эффективность оценок в различных социальных сегментах, регионах и уровнях PD. Модель удовлетворяет всем критериям, описанным в Указании Банка России 6579-У «О требованиях к порядку расчета кредитными организациями или микрофинансовыми организациями суммы величин среднемесячных платежей и расчета величины среднемесячного дохода заемщика, в том числе к перечню данных, используемых для расчета величины среднемесячного дохода заемщика», в частности пунктам 3.2.6.1–3.2.6.5, являющимся критериями при разрешении банку перейти на модельный подход оценки ПДН для расчета макропруденциальных лимитов.

MobileScoring отдельно мониторит распределения множества параметров всех входящих в него данных в разрезе партнеров с функцией автоматического направления подозрительных данных в «карантинную зону» хранилища в случае выявления отклонений, чтобы избежать их влияния на результаты расчетов

В качестве еще одного преимущества применения MobileScoring для оценки дохода заказчики и Банк России, представителям которого также были презентованы возможности сервиса, отмечают серьезные меры по обеспечению стабильности результатов прогнозов во времени за счет трехуровневой системы мониторинга, предотвращающей манипуляции и статистически значимые ошибки в данных. Сервис отдельно мониторит распределения множества параметров всех входящих в него данных в разрезе партнеров с функцией автоматического направления подозрительных данных в «карантинную зону» хранилища в случае выявления отклонений, чтобы избежать их влияния на результаты расчетов скорингов для клиентов. Кроме того, сервис мониторит распределение всех отдаваемых по API заказчикам параметров и результатов расчетов по случайной подвыборке из хранилища. На все переменные, входящие в продуктивные модели, настроены алерты на изменения распределений значимых переменных.

Кроме мониторинга эффективность применения сервиса обеспечивает умная система версионирования моделей. Она позволяет поддерживать стабильным набор поставщиков данных, на которых работает каждая модель. При подключении к сервису нового крупного заказчика, значительно обогащающего хранилище анонимизированных данных, его данные не влияют на расчеты действующих «боевых» моделей, используемых клиентами, а добавляются только после следующего регулярного обновления версий моделей и включаются в промышленную эксплуатацию каждого заказчика после проведения анализа целесообразности на его стороне и принятия решения о переходе на обновленную версию.

Высокий уровень осознанности при работе с анонимизированными данными, качественная коммуникация с клиентами и с Банком России, глубокая погруженность в потребности и реалии рынка кредитования позволяют команде MobileScoring постоянно расширять палитру математических моделей, приносящих ценность банкам, способствовать снижению закредитованности граждан и повышению стабильности экономики.