Материал: 2488

Специализированный модуль экспорта моделей (KXEN Model Export – KMX) позволяет «отчуждать» построенные модели: генерировать программный код на языках SQL, VisualBasic, Java, HTML, C и др. «Отчужденные» модели обычно интегрируются в АБС или Систему сопровождения розничного кредитования банка. Таким образом, в отделениях банка операционисты работают не с самим KXEN, а с готовой моделью.

Пакет опций – это ряд дополнительных возможностей системы

«KXEN:Scoring», которые позволяют:

1)увеличить точность скоринговых моделей («макроскоринг», «поведенческий скоринг»);

2)ввести скоринговые процедуры на всех этапах «жизненного цикла» заемщика («поведенческий скоринг», «работа с плохими долгами»);

3)строить модели даже при отсутствии собственной базы данных по выданным кредитам («моделирование на этапе накопления кредитных заявок»).

Forecsys Scoring Pilot – скоринговые решения фирмы Forecsys, основанные на фундаментальных российских научных достижениях

(рис. 12, 13).

Основные функциональные возможности ScoringPilot:

1.Поиск логических закономерностей. Вычисление статистических характеристик закономерностей (мощности, информативности и др.). Анализ найденных закономерностей, выбор из них наилучших и максимально различающихся между собой.

2.Создание и редактирование закономерностей пользователем. Сравнение эффективности закономерностей, найденных системой и введенных пользователем.

3.Анализ распределений по отдельным признакам, разбиение диапазона значений каждого признака на максимально информативные интервалы.

4.Построение скоринговой модели на основе найденных закономерностей. Отображение модели в виде таблиц и графиков. Редактирование модели пользователем. Оценка качества модели методом скользящего контроля качества.

5.Классификация заемщиков на обучающей выборке и тестовой выборке. Вывод объяснения классификации.

6.Автоматическая классификация новых поступающих анкет.

92

Внедрение системы Forecsys Scoring Solution позволяет для продуктов, использующих скоринговую оценку:

1)централизовать и автоматизировать оценку заемщиков;

2)повысить эффективность управления кредитным риском;

3)решить вопросы ценообразования и предсказания будущих по-

терь;

4)обеспечить аналитическую поддержку маркетинговых реше-

ний;

5)снизить процент недобросовестных заемщиков в 2 раза.

На основе проведенного анализа была составлена таблица сравнений по группе основных показателей, характеризующих поддержку основных решений в сфере кредитования, таких как оценка кредитоспособности заемщика (скоринг), определение лимита кредита, выработка индивидуальных схем кредитования, выработка моделей под специфику кредитной организации, интеграция с другими системами и другие (табл. 3).

Анализ КСППР в банковской сфере показал, что сегодня на рынке присутствуют аналитические системы, соответствующие многим названным критериям, однако реальные внедрения таких программных решений в банки носят скорее единичный характер. Вялотекущий процесс распространения готовых аналитических систем в отечественных банках объясняется, прежде всего, сложностью адаптации таких программных продуктов к нуждам конкретных кредитных организаций. К тому же еще некоторое время назад компанииразработчики такого вида систем бывали «глухи» к пожеланиям конечных пользователей, да и попытки создать единое решение, способное удовлетворить всем запросам, воспринимались не иначе как утопия. Анализ показал, что подобным системам присущи следующие недостатки: высокая стоимость внедрения, не учитываются процессы взаимодействия ЛПР с остальными участниками отношений. Особого внимании заслуживает проблема согласования интересов заемщика и кредитора, которая всё ярче проявляется в банковской сфере, они не рассматривают проблему принятия согласованного кредитного решения, а также не учитывают особенности взаимодействующих субъектов.

94

Таблица 3

Сравнительный анализ систем-аналогов

95