Определившись с тем, какой функциональностью должна обладать система или модель кредитного скоринга, следует остановиться на тех методах, которые повысят эффективность кредитных операций коммерческого банка и обеспечат кредитным организациям сохранить и удержать клиентов, оставаться рентабельными в любых экономических ситуациях. Поэтому применение скоринговых моделей повышают эффективность кредитных операций и это будет связано:
- со снижением уровня невозврата кредитов;
- быстротой и беспристрастностью принятия решений;
- появлением возможности эффективно управлять кредитным портфелем;
- отсутствием длительного обучения сотрудников скорингового или кредитного отдела;
- появлением возможности проводить экспресс-анализ заявки на кредит в присутствии заёмщика или клиента банка.
3.2 Применение эффективных инструментов скоринга для управления и снижения кредитных рисков в банках
В условиях, когда Банк России продолжает ужесточение денежно-кредитной политики из-за экономических санкций со стороны Европы и Америки это сказывается на ликвидности кредитных организаций и вынуждает их увеличивать процентные ставки по кредитам, которые сейчас и так уже запредельные для заёмщиков. Для выдачи кредитов клиентам банка и снижения рисков невозвратов заёмных средств, в банке реализуется ряд мер или проектов по построению комплексной системы управления рисками, включающие как разработку и внедрение новых инструментов оценки рисков при анализе кредитных заявок и принятии решений о выдаче кредитов, так и процессы, обеспечивающие удержание рисков на минимальном уровне. Банк на постоянной основе осуществляет мониторинг скоринговых карт.
В 2013 гг. году были разработаны и внедрены новые скоринговые карты по ряду кредитных продуктов. Внедряются антимошеннические скоринговые карты, совершенствуется application-скоринг. Внедряются стандартизованные формализованные процедуры экспертизы кредитных заявок с учетом характеристик клиентских сегментов, расширяется перечень достоверных внешних источников используемой информации, в т.ч. автоматизированное взаимодействие с государственными органами ПФ РФ, ФМС, ФНС России.
С 1 июля 2014 г. российский ФЗ "О кредитных историях" действует с учетом поправок, которые открывают страховым компаниям доступ к кредитным историям клиентов. Поэтому, Россия, хоть и с запозданием, но всё же присоединилась к мировой практике скоринга на основе кредитных историй, который должен стать позитивным фактором роста прибыльности банков и страховых компаний. [1]
Кредитный скоринг является инструментом для оценки уровня риска заемщика. Применяя различные статистические и вероятностные подходы, банк назначает заемщикам скоринговые баллы, разделяя их на "хороших" и "плохих". Эти скоринговые баллы наряду с другими финансовыми характеристиками, такими как ожидаемый уровень выдачи кредитов, прибыль, потери, помогают в конечном итоге принять решение.
Простейшая скоринговая карта, которая используется при выдаче новых кредитов, состоит из набора характеристик, достаточно значимых со статистической точки зрения, способных разделять данные на "хорошие" и "плохие". [18]
Скоринговая карта имеет примерный одинаковый формат и распространен в банковской отрасли, где имеет следующие обоснования:
- подобное представление баллов легко интерпретировать. Оно соответствует любому регулирующему требованию, обеспечивая необходимую прозрачность;
- причины для отказов, низкий или высокий балл можно легко объяснить, используя стандартные формы отчетности;
- "облегченная" структура скоринговой карты помогает аналитикам выполнить свои функции, не имея глубоких знаний в области статистики или программирования. Это делает скоринговую карту эффективным и преимущественным инструментом для управления рисками. (табл.17)
Таблица 17 - Эффективность и преимущества применения скоринговых карт для управления и снижения кредитных рисков
|
Выгода |
Комфорт |
Безопасность |
|
|
Снизит потери по кредитам |
Легко дифференцируются стратегии по уровню риска |
Мониторим работоспособность модели |
|
|
Обеспечит рост доходного портфеля |
Точность прогнозирования будущих потерь в каждой точки жизни кредита |
Сохраняем конфиденциальность |
|
|
Сэкономит ресурсы на управление рисками |
Повышение уровня контроля за счёт снижения операционных ресурсов |
Работают опытные сотрудники. В портфолио каждого не менее 20 работающих моделей |
|
|
Повысит скорость решения о выдаче кредита, точность прогноза риск показателей, маржинальность продукта |
Модель учитывает статистические данные |
Топ-игроки в индустрии финансовых услуг используют скоринговые карты для оценки и управления рисками. |
|
|
Повысит качество кредитного портфеля за счёт выставления лимитов, взвешенных по риску |
Построение модели с этапа сбора данных до сдачи модели руководству Банка |
Банк сотрудничает с компаниями в области разработки скоринговых моделей |
Скоринговые модели в бизнес-контексте - это инструмент принятия разнообразных кредитных решений, элемент общей стратегии розничного банка.
Рисунок 10 - Дополнительные факторы, влияющие на кредитоспособность заемщика
Скоринговые модели в потребительском кредитовании используются на различных этапах работы с клиентом, начиная с получения первой заявки от заемщиков, через организацию работы с текущими заемщиками, и заканчивая прогнозированием возможного уровня потерь в кредитном портфеле и созданием необходимых резервов.
Скоринг позволяет выявлять дополнительные факторы, влияющие на кредитоспособность заемщика, установив взаимосвязь между событиями кредитной истории и различными его характеристиками (рис. 10)
С введением новых кредитных продуктов, основанных на текущей рыночной ситуации, связанными с экономическими санкциями ЕС и Америки применяемые к банкам, будут использоваться принципы, которые помогут кредитным инспекторам основываться на одновременном использовании скоринга и андеррайтинга для принятия максимально верных и объективных решений при выдаче кредитов заёмщикам. Развитие получат новые виды проверок при кредитовании -это поведенческий скоринг и данные социальных сетей, которые будут ориентироваться на формальные статистические законы.
Также эффективной мерой для принятия решений в розничном кредитовании наряду с другими видами скоринга становится скоринг против мошенничества, или antifraud-скоринг.
Такая скоринговая оценка при вероятном мошенничестве предоставляется КБИ в рамках специализированных сервисов, где создаётся самими кредитными организациями на основе собственных данных или наработок. Это модный современный тренд, который возник в рамках общей потребности для снижения рисков, а также реальный инструмент оптимизирующий данные для принятия кредитных решений и как следствие повышения экономической эффективности кредитных операций.
Скоринг помогает не только в управлении рисками невозврата в случае дефолта клиента, но он также используется для задач выявления и предотвращения мошенничества.
Действия мошенников вынуждают банки увеличивать кредитные резервы и ставки по кредитам, что приводит к снижению конкурентоспособности банка. Более того, банк, вовлеченный в скандал, связанный с мошенническими операциями, не будет пользоваться популярностью среди клиентов.
По оценкам экспертов примерно половина невозвратов кредитов обусловлено дефолтом, и для контроля этих рисков используются методы кредитного скоринга, а другая половина - мошенничеством, поэтому для снижения таких рисков применяют скоринговые методы.
Мошенничество при кредитовании разделяют на две категории:
1) при попытке получить кредит (происходит при подаче заявления);
2) в процессе использования и погашения кредитных средств.
Второе чаще связано с кражей или самой карты, или ее данных для последующего использования в преступных целях. Соответственно методы и выявления, и предотвращения при рассмотрении заявления отличаются от методов, используемых для контроля использования карты и выполняемых по ней транзакций.
Мошенничество, происходящее во время подачи заявления на кредит, подразделяется на мягкое (soft) и жесткое (hard).
В случае мягкого мошенничества заявители, как правило, используют свое настоящее имя, чаще всего они уже подавали заявки на кредит, но получили отказ, зачастую из-за их неспособности расплатиться. И они манипулируют своими данными так, чтобы выглядеть более основательно (старше, выше доход, более продолжительное проживание по данному адресу; сокрытие адресов, по которым они проживали, когда у них были проблемы - например с выплатой). И хотя эти заявители и намереваются выплачивать кредит, объективно они навряд ли на это способны.
В случае жесткого мошенничества заявитель изначально и не собирается платить и, как правило, использует для подачи заявления украденную или даже изобретенную идентификацию (личные данные), за этим зачастую стоит профессиональная организованная группа мошенников.
Риск жесткого мошенничества сильно отличается от кредитного риска как по своей природе, так и по способам наилучшего предотвращения. Риски же мягкого мошенничества в определенной степени коррелируют с кредитным риском.
Модели, разработанные для оценки кредитного риска, практически не работают для выявления и предотвращения риска мошенничества. Например, в случае если мошенничество заключается в использовании украденной идентификации, то кредитная скоринговая модель чаще всего даст высокий балл и одобрит такое заявление. По этой причине специальные модули по выявлению и предотвращению мошенничества обязательно включаются в интегральную систему обработки принимаемых заявлений. Важнейшим источником информации для сопоставления данных и выявления мошенничества являются кредитные бюро, а также внешние специализированные базы данных (например, по утерянным и украденным паспортам) и обязательно - собственная база данных кредитной организации.
Наиболее эффективными оказываются те системы, которые построены не на основе экспертных правил, а на основе моделирования - нейронными сетями, регрессионными методами, деревьями решений (decision trees), индукцией правил (rules induction), генетическими алгоритмами, анализом связей (link analysis) на основе теории графов (graph theory).
Такие системы используются как для проверки поступающих заявлений, так и в работе с действующими картами - для выявления и предотвращения мошенничества в транзакциях (причем удается применять скоринг в реальном времени, включая в него алгоритмы оценки мошенничества текущих транзакций).
Фрод скоринг (от англ. fraud - мошенничество) позволяет оценить вероятность совершения клиентом неправомерных действий. Зачастую данный вид скоринга используется в комплексе с другими видами оценки. Статистические данные по Российской Федерации свидетельствуют о том, что 10 % невозвращенных кредитов это результат мошеннических действий. [17]
В настоящий момент времени скоринговая система наиболее эффективна и несмотря на некоторые просчеты, лучше нее пока ничего не придумали.
Достаточное количество кредитных организаций применяют для оценки потенциального клиента специальные Software "программы", которые становятся самостоятельным бизнесом. [36]
В некоторых банках применяют внутренний софт, который не выставляется на рынок и о его эффективности знают только сотрудники. Потенциальным клиентам боятся данных скоринговых оценок не нужно, т.к. скоринг придуман не покарать заёмщика, а предупредить о возможно возникающих проблемах с финансами в будущем.
Система fraud-scoring позволяет кредитным организациям выявлять зависимость и согласованность действий по ряду клиентов, предотвращая сговоры с целью обмана или мошенничества. (рис. 11)
Рисунок 11 - Применение скоринг системы- Фрод скоринг (Fraud-scoring) на пути мошенников при получении кредита
Для предотвращения мошенничества и принятия решений о предоставлении кредитов, необходимо для кредитных организаций создание автоматизированного аналитического онлайн-инструмента. Использование обширного массива данных, основанного на сравнении информации из кредитных заявок участников системы Fraud-scoring, поможет небольшим банкам и тем кредитным организациям, которые специализируются на массовых розничных продуктах и экспресс-кредитах. Выявление с помощью системы признаков мошенничества в кредитных заявках позволит банкам более качественно проводить скоринг заемщиков, не увеличивая время рассмотрения кредитной заявки, что в конечном итоге позволит снизить кредитные риски и минимизировать потери по портфелю розничных ссуд.
Скоринг, который выявляет и предотвращает мошенничество, должен использоваться в комплексе с другими моделями или системами, и только тогда результаты его применения будут наиболее точными и эффективными.