
61
скоринга кредитных бюро, проверили Тобиас Берг из Франкфуртской школы
финансов и менеджмента и его соавторы
.
В следствии эксперты сравнили результат цифрового скоринга с данными
кредитных бюро, идентифицировав покупателей магазина (законодательство
Германии разрешает кредитным бюро предоставлять информацию о поле,
возрасте, прошлом и текущем адресе заемщика).
О характере человека, в частности об уровне самоконтроля, можно судить
по каналу его прихода на сайт. Риск дефолта у тех, кто пришел с сайта со
сопоставлением цен, в два раза ниже, чем у пришедших через поиск товара в
гугле, так как последние больше расположены к импульсивным покупкам – о чем
хорошо известно маркетологам. Об импульсивности говорит и время
приобретения товара на сайте, проверили Берг и соавторы: возможность
неплатежа у пользователей, купивших товар с полудня до шести вечера,
приблизительно наполовину ниже, чем у осуществивших покупку с полуночи до
шести утра
.
В выборке из 296 банков Германии точность скоринговой модели
составила 66,5%, а скоринг по сведениям P2P-кредитования в США показал
точность только в 62,5%.
Точность прогноза на базе данных кредитных бюро, использованных в
исследовании Берга с соавторами, составила лишь 68,3%. А на базе только
цифровых данных – 69,6%. Скомбинировав же данные бюро с цифровыми,
авторы получили еще более высокий результат: 73,6%.
Цифровой след имеет возможность применятся как дополнение к
традиционному скорингу, делая его вернее и точнее – там, где он есть,
заключают авторы.
В развивающихся странах, где финансовая инфраструктура отсутствует
или недостаточно развита, цифровые данные могут помочь преодолеть
Глотова А., Кувшинова О. Цифровой след в кредитной истории – режим доступа:
https://econs.online/articles/finansy/tsifrovoy-sled-v-kreditnoj-istorii/
Глотова А., Кувшинова О. Цифровой след в кредитной истории – режим доступа:
https://econs.online/articles/finansy/tsifrovoy-sled-v-kreditnoj-istorii/