55
через службы банка);
3) База данных, содержащая информацию о заемщиках и истории
принятия решений по ним;
4) LoansBase.Generator – генератор кредитных историй;
5) Система скоринга и аналитической отчетности;
6) Модуль интеграции с АБС – автоматизированной банковской
системой.
Рассмотрим каждую часть кейса подробнее.
Бэк-офис и фронт-офис представляют собой автоматизированные
рабочие места операторов ввода заявок и лиц, участвующих в принятии
решений о выдаче кредита. Оперативная работа пользователей с системой
происходит при помощи единого веб-интерфейса. Среди пользователей
системы можно выделить три категории:
1) Оператор торговой точки. Он вводит данные из анкеты заемщика в
стандартную форму, которая автоматически генерируется на стороне сервера.
Как вариант возможен ввод данных самим заемщиком (например, в случае
Интернет-заявок).
2) Сотрудник службы безопасности (СБ);
3) Сотрудник кредитного отдела.
Отличие веб-формы сотрудника СБ от сотрудника кредитного отдела
заключается в различии информации из анкеты заемщика, которая
используется для принятия решения по заемщику. Так, для верификации
заемщика службой безопасности необходима информация о номерах
документов, регистрации, месте работы и пр. Кредитного инспектора
интересует социальный портрет: уровень доходов, семейное положение,
образование, и т.д., а также результат скоринговой модели.
Использование web-технологий позволяет добиться следующего:
1) Централизация всех операций;
2) Высокая степень безопасности;
3) Легкость масштабирования системы и тиражирования ее на другие
56
торговые точки;
4) Исключение необходимости устанавливать какое-либо
дополнительное программное обеспечение – все операции выполняются при
помощи стандартного браузера.
На рис. 4 изображена последовательность прохождения анкеты
заемщика через службы банка. Например, добавляется генерация пакета
документов для подписи клиентом, автоматическое открытие счета и т.д.
Рисунок 4. Процесс прохождения анкеты заемщика через службы
банка при внедрении скоринговой системы
В ряде случаев предпочтительно создание хранилища данных, в котором
содержатся консолидированная информация по заявкам с анкетами заемщиков
и истории принятия решений по выданным кредитам и погашениям кредитов.
Это позволит сосредоточить информацию о потребительском кредитовании в
едином источнике и снизить нагрузку на оперативную базу данных. Как
вариант, в хранилище данных может накапливаться статистическая
информация макроэкономического характера об уровне жизни в регионе,
средней заработной плате, прожиточном минимуме и т.д. с целью повышения
качества скоринговых моделей.
Базовый генератор представляет собой генератор кредитных историй –
Ввод данных о заемщике
Открытие кредитного договора в АБС
Проверка в службе безопасности
Подтверждение кредитного работника
Автоматическая оценка риска
Передача информации в торговую точку (офис)
База
данных
Передача /
получение данных
На каждом шаге
действия
протоколируются
57
специальный модуль, формирующий набор примеров с различными анкетными
портретами заемщиков. Генерация производится по специальным алгоритмам
математической статистики с учетом заданных распределений случайных
величин. В качестве распределений могут использоваться как статистические
данные по стране, так и экспертные суждения о том, у какого типа заемщиков
будет пользоваться популярностью кредитная программа.
Искусственная кредитная история необходима в случае, когда реальной
кредитной истории не существует, либо ее объем незначителен. Это возникает
в случаях, когда:
1) Банк впервые выходит на рынок потребительского кредитования;
2) Банк открывает новую кредитную программу с условиями,
отличающимися от прежних программ (сумма кредита, требования
поручительства и т.п.). В этом случае могут появиться или исчезнуть часть
входных факторов, и ранее построенная скоринговая модель окажется
неприменимой в новых условиях.
Для генерации кредитных историй используется структура анкеты
заемщика. В результате работы базового генератора формирует таблицу со
столбцами – входными факторами из анкеты заемщика, влияющих на принятие
решения о выдаче кредита. Гипотеза о влиянии тех или иных факторов
выдвигается, как правило, экспертами банка.
После генерации кредитной истории эксперты банка проставляют в
графу "Давать кредит" свое решение. Минимальное количество прецедентов в
кредитной истории, которые должны обработать специалисты банка во многом
зависит от числа столбцов, специфики кредитной программы, но в среднем оно
составляет от 500 до 1000 примеров.
Как было отмечено выше, система позволяет изменить или расширить
базовую схему прохождения анкеты.
В качестве варианта прохождения анкеты предложим следующую
схему. Анкета проходит через все службы банка: служба безопасности,
скоринговая модель, кредитный отдел. При этом, во первых, служба
58
безопасности проверяет только тех заемщиков, которые успешно прошли
автоматический скоринг. Во-вторых, для снижения нагрузки на кредитный
отдел и частичной автоматизации принятия решений в схеме вводится
"коэффициент доверия" K
d
– некоторый числовой параметр, характеризующий
степень доверия к скоринг-модели. Анкеты, удовлетворяющие этому критерию,
не попадают на рассмотрение в кредитный отдел
Раскроем сущность коэффициента доверия на примере скоринг-модели
дерева решений. Как известно, каждое правило в дереве решений
характеризуется двумя параметрами – поддержкой и достоверностью.
1) Поддержка – общее количество примеров, классифицированных
данным узлом дерева.
2) Достоверность – количество правильно классифицированных, данным
узлом примеров.
Например, для правила, если Доход личный > 5820 тогда давать кредит
= «Да» значение поддержки равно 20%, достоверности – 94%. Это трактуется
следующим образом: в обучающем множестве кредитной истории было 20%
примеров, удовлетворяющих данному правилу (т.е. Доход личный больше
5820), и в 94% случаев заемщику было вынесено положительное решение о
выдаче кредита.
Разделим все правила дерева решений по поддержке и достоверности на
некоторые классы ("низкая", "средняя", "высокая" и т.д.) согласно специальной
экспертной шкале. Конкретная экспертная шкала сильно зависит от количества
обучающих примеров и узлов дерева решений и собственно аккумулирует в
себе коэффициент доверия. Тогда поступающие заявки на получение кредита,
имеющие, как вариант, среднюю и высокую категорию поддержки и
достоверности правила скоринг-модели, не будут получать дополнительное
подтверждение в кредитном отделе (такие правила обведены в таблице
красным).
Такой вариант схемы более предпочтителен, поскольку позволит
максимально разгрузить службу безопасности и кредитные отделы, частично
59
автоматизировать оценку анкет заемщиков, сократить сроки рассмотрения
заявок.
Модуль интеграции с автоматизированной банковской системой (АБС)
необходим для полной автоматизации выдачи потребительских кредитов. Из
оперативной базы данных в АБС передается необходимая информация для
заведения нового физического лица, формирования кредитной заявки и
кредитного договора. Практически сразу после появления первых данных о
выдаваемых кредитах становится доступным проводить анализ на основе
OLAP-отчетности. Базовая отчетность включает 4 группы отчетов:
1) Динамика потребительского кредитования;
2) Социально-экономические портреты лиц, обратившихся за
кредитами;
3) Анализ длительности рассмотрения заявок;
4) Ретроспективный анализ погашений кредитов.
Отчетность представляет собой набор многомерных таблиц, кросс-
диаграмм и графиков. Для ее просмотра используется Deductor Viewer.
Динамика потребительского кредитования позволяет проанализировать
суммы выданных кредитов в разрезе дней и торговых отделов, пики обращений
по часам и дням недели, процент отказов службы безопасности и кредитного
отдела и другое.
Отчеты «Социально-экономические портреты лиц, обратившихся за
кредитами» позволяют получить ответы на следующие вопросы:
1) Какие размеры ссуд пользуются наибольшим спросом?
2) С каким личным доходом чаще обращаются за кредитом?
3) Распределение по полу, возрасту, социальному статусу, образованию
и т.д.
А так же выявить размер кредита, который чаще всего запрашивают
заемщики.
Отчеты «Анализ длительности рассмотрения анкет» позволяют
осуществлять мониторинг эффективности работы подразделений банка,
60
участвующих в принятии решений о выдаче кредитов, находить «узкие» места
в цепочке прохождения заявок.
Ретроспективный анализ погашений кредитов необходим для
регулярной перенастройки скоринговых моделей. Для этой цели по
определенной шкале заемщики делятся на несколько классов, как правило 2-3
класса, в зависимости от того, выплачен ли кредит и не было ли просрочек.
Отчет по ретроспективному анализу может представлять собой динамику
изменения некоторого показателя, выражающего агрегированную величину
уровня просрочек на заданную дату. Ретроспективный анализ не заменяет, а
дополняет оперативный анализ погашений кредитов, доступный в АБС.
В заключение подчеркнем основные преимущества описанного
решения:
1) Возможность комбинировать любые механизмы анализа от простых
бальных коэффициентов до самых современных алгоритмов оценки рисков.
2) Возможность построения различных сценариев обработки для разных
категорий клиентов.
3) Гибкость. Система включает в себя специальный конструктор анкет,
позволяющий на базе единой системы создавать различные кредитные
продукты: потребительское кредитование, автокретитование, ипотечное
кредитование и прочее.
4) Серьезная методическая поддержка. C кейсом поставляется большой
набор методических материалов, руководств, учебных курсов. В методических
материалах даются подробные описания всех аспектов работ, связанных с
анализом данных, от сбора и подготовки данных и используемого
математического аппарата до способов тиражирования полученных знаний.
5) Быстрый запуск. «Пилотный» проект с возможностью реального
использования выполняется в течение нескольких (5-7) недель. Первые
результаты демонстрируются через 3-4 недели после начала работ.
Возможность запуска системы при отсутствии реальной кредитной истории.
Предлагается методика, позволяющая строить модели на сгенерированных
61
данных с последующей автоматической адаптацией моделей при получении
реальных данных по выданным кредитам.
6) Для адаптации скоринговой модели оценки кредитоспособности
физических лиц специалисту необходимо проделывать путь, подобный тому,
что проделал Дюран, т. е. специалисты, которые будут заниматься такой
адаптацией, должны быть высоко квалифицированными, а значит и очень
высокооплачиваемые, быть в состоянии оценить текущую ситуацию на рынке.
Основными недостатками скоринговой системы оценки
кредитоспособности физических лиц являются высокая стоимость адаптации
используемой модели под текущее положение дел; большая вероятность
ошибки модели при определении кредитоспособности потенциального
заемщика, обусловленная субъективным мнением специалиста.
Рассмотрим второе мероприятие для совершенствования технологии
оценки платежеспособности физических лиц в АО «Россельхозбанк».
Кредитоспособность заемщика АО «Россельхозбанк» – это
характеристика финансового и экономического состояния, позволяющая
оценить его способность своевременно и в полном объеме рассчитаться по всем
своим обязательствам перед банком, возникающими в результате
предоставления кредита.
Больше всех в информации о кредитоспособности предприятий и
организаций нуждаются банки: их прибыльность и ликвидность во многом
зависят от финансового состояние клиентов. Снижение риска при совершении
ссудных операций возможно достичь на основе комплексного изучения
кредитоспособности клиентов АО «Россельхозбанк», что одновременно
позволит организовать кредитование с учетом границ использования кредита.
Одной из важных задач, решаемых в рамках политики АО
«Россельхозбанк», является необходимость разработки системы оценки
кредитоспособности заемщика и риска выдачи ему кредита. Именно анализ
различных аспектов состояния заемщиков, его мониторинг в течение всего
срока действия кредитного договора, представленный в виде определенной
62
системы, способен показать возможность заемщика получить кредит и
своевременно в полном объеме рассчитаться по нему.
Оценка кредитоспособности заемщика важна на всех стадиях процесса
кредитных взаимоотношений между кредитором и заемщиком. Особое
значение в современных условиях развития рыночных отношений приобретает
оценка кредитоспособности, выступающая в виде отдельного,
самостоятельного блока комплексного экономического анализа и требующая
серьезного внимания не только со стороны кредитора, но и со стороны самого
заемщика.
Для каждого вида кредитной сделки характерны свои причины и
факторы, определяющие степень кредитного риска. В частности, он может
возникнуть при ухудшении финансового положения заёмщика, возникновении
непредвиденных осложнений в его планах, не застрахованном залоговом
имуществе, отсутствии необходимых организаторских качеств или опыта у
руководителя и т.д. Эти и многие другие факторы учитываются работниками
банка при оценке кредитоспособности предприятия и обеспечения,
предложенного в залог.
Предлагается разработать методики по оценки платежеспособности
физических лиц в зависимости от категории заемщика:
1) лиц, ведущих личное подсобное хозяйство;
2) граждан, осуществляющих предпринимательскую деятельность;
3) граждан, вступающих в пенсионный возраст;
4) для остальных категорий граждан.
Кредитоспособность заемщика в АО «Россельхозбанк» определяется по
формулам.
Расчет кредитоспособности для лиц, ведущих личное подсобное
хозяйство:
Р = ((Др+Дж +Ди) *К – О /12) *Т, (1)
где Р – кредитоспособность заемщика;
Др – чистый доход от ведения растениеводства за последние 12 месяцев;
63
Дж – чистый доход от ведения животноводства за последние 12 месяцев;
Ди – чистый доход от иных источников дохода (заработная плата,
пенсия, стипендия и др.) за последние 12 месяцев;
О – годовые обязательные платежи по кредитным и личным
обязательствам;
Т – срок кредита в месяцах.
Расчет кредитоспособности для граждан, осуществляющих
предпринимательскую деятельность:
Р = (Дч * К – О) * Т, (2)
где Р – платежеспособность;
Дч – совокупный среднемесячный доход заемщика за последние 6
месяцев;
О – годовые обязательные платежи по кредитным и личным
обязательствам;
Т – срок кредита в месяцах;
К – понижающий коэффициент.
Расчет кредитоспособности для граждан, вступающих в пенсионный
возраст:
Р = (Дч1 * К – О)* Т1 + (Дч2 * К – О) * Т2, (3)
где Дч1 – среднемесячный доход;
Т1 – период кредитования, приходящийся на трудоспособный возраст
заемщика;
Дч2 – среднемесячный доход пенсионера;
Т2 – период кредитования, приходящийся на пенсионный возраст
заемщика;
К – соответствует понижающему коэффициенту.
Расчет кредитоспособности для остальных категорий граждан:
Р = (Дч * К – О) * Т,
где Р – платежеспособность;
Дч – совокупный среднемесячный доход заемщика за последние 6
64
месяцев;
О – годовые обязательные платежи по кредитным и личным
обязательствам;
Т – срок кредита в месяцах;
К – понижающий коэффициент.
Рекомендуемая методика по оценки платежеспособности для разных
категорий граждан представлена в таблице 19.
Таблица 19
Рекомендуемая методика по оценки платежеспособности
АО «Россельхозбанк» для разных категорий граждан
Категории
физических
лиц
Методика
определения
платежеспосо
бности
Расшифровка обозначения в формуле
Лица, ведущие
подсобное
хозяйство
Р = ((Др+Дж
+Ди) *К – О
/12) *Т,
где Р – кредитоспособность заемщика;
Др – чистый доход от ведения
растениеводства за последние 12 месяцев;
Дж – чистый доход от ведения
животноводства за последние 12 месяцев;
Ди – чистый доход от иных источников
дохода (заработная плата, пенсия,
стипендия и др.) за последние 12 месяцев;
О – годовые обязательные платежи по
кредитным и личным обязательствам;
Т – срок кредита в месяцах.
Граждане,
осуществляющие
предпринима
тельскую
деятельность
Р = (Дч * К – О)
* Т,
где Р – платежеспособность;
Дч – совокупный среднемесячный доход
заемщика за последние 6 месяцев;
О – годовые обязательные платежи по
кредитным и личным обязательствам;
Т – срок кредита в месяцах;
К – понижающий коэффициент.
Граждане,
вступающие в
пенсионный
возраст
Р = (Дч1 * К –
О)* Т1 + (Дч2 *
К – О) * Т2,
где Дч1 – среднемесячный доход;
Т1 – период кредитования, приходящийся
на трудоспособный возраст заемщика;
Дч2 – среднемесячный доход пенсионера;
Т2 – период кредитования, приходящийся
на пенсионный возраст заемщика;
К – соответствует понижающему
коэффициенту.
Остальные
категории
граждан
Р = (Дч * К – О)
* Т
где Р – платежеспособность;
Дч – совокупный среднемесячный доход
заемщика за последние 6 месяцев;
О – годовые обязательные платежи по
кредитным и личным обязательствам;
Т – срок кредита в месяцах;
К – понижающий коэффициент.