На главнуюВыпуски журнала → «Бизнес Нейро-Системы»: банковская аналитика в потребительском кредитовании

«Бизнес Нейро-Системы»: банковская аналитика в потребительском кредитовании

ПЕРСПЕКТИВЫ И ПРОБЛЕМЫ ПОТРЕБИТЕЛЬСКОГО КРЕДИТОВАНИЯ

   Уже сейчас потребительское кредитование в Украине развивается опережающими темпами. Ведь это отличная возможность для банков диверсифицировать риски невозврата кредитов и завоевать новый перспективный рынок вложения средств. Потенциал этого рынка весьма значителен – по мнению некоторых экспертов, на сегодняшний день он охвачен не более чем на 7%. С 2003 г. НБУ разрешил банкам кредитовать физических лиц в иностранной валюте и выдавать «свободные» кредиты, благодаря чему практически все банковские учреждения могут подключиться к потребительскому кредитованию. И в 2003 г.  объемы кредитов, выданных населению, росли втрое быстрее, чем объемы кредитования юридических лиц. Потребительское кредитование становится одним из наиболее динамичных направлений развития банковского сектора.

   Стремясь занять лидирующие позиции на рынке кредитования и получить преимущества перед конкурентами, банки упрощают процедуру проверки кредитоспособности, делая акцент на массовости и скорости получения кредита. Но это требует четко отработанной технологии, ведь объективная оценка финансовой состоятельности заемщика как раз и является одним из самых «скользких» мест кредитной деятельности. Потери даже при малом количестве «плохих» кредитов могут легко перекрыть доходы по «хорошим». Поэтому банки ощущают необходимость в точных аналитических системах оценки кредитоспособности заемщика. Каждый банк разрабатывает свою систему оценки, обычно похожую на небольшие и несложные тесты, которые потенциальный заемщик должен подтвердить документально. На сегодняшний день существует целый ряд банковских программ, позволяющих оценить реальные доходы человека и уровень платежеспособности семьи в целом. А наиболее эффективное решение этой проблемы уже давно существует и с успехом применяется в большинстве западных банков – это система кредитного скоринга.

 

РАЗВИТИЕ КРЕДИТНОГО СКОРИНГА

   Первые научные работы, в которых утверждалось, что важность различных критериев анализа кредитоспособности заемщика должна быть определена на основе предыдущего опыта, появились в 1936 году. В 1941 г.  была презентована первая скоринговая система, которая могла классифицировать людей для выдачи или отказа в кредите на покупку подержанных автомобилей, а уже в начале 60-х разработаны методики, которые добавляли к прикладным критериям психологические и социологические концепции.

   Переломным моментом в истории развития аналитических методов анализа кредитоспособности можно считать 1967 г., когда впервые была показана целесообразность использования для оценки и анализа характеристик заемщиков компьютеров. Большая часть необходимой информации извлекалась из накопленной базы данных кредитных историй путем математического анализа. Были созданы модели, которые основывались на краевых условиях, определенных кредитором, а также на математически сгенерированных правилах и формулах. По данным некоторых исследований, после внедрения таких скоринг-систем уровень безнадежного долга сокращался до 50%.

   Следующий этап эволюции скоринга пришелся на конец 80-х годов XX столетия, когда началось бурное развитие технологий анализа данных на основе принципов искусственного интеллекта. Тогда и появилась одна из первых разработок известной компании HNC – нейросетевая модель кредитного скоринга, которая позволяла увеличить прибыльность существующей в банке модели на 27%. Учитывая преимущества нейронных сетей (и других методов data mining) перед обыкновенными статистическими методами анализа, американские и европейские кредитные организации начали переход на системы скоринга на основе искусственного интеллекта. Аналитические технологии оценки кредитоспособности постепенно завоевали американский, а немного позднее – и мировой банковский сек  тор. Сегодня кредитный скоринг входит в практику и в странах СНГ – технологии «быстрой оценки» кредитоспособности потенциального заемщика применяют уже до 10 российских банков. Теперь для получения беззалогового кредита у них клиент должен только заполнить анкету, которая обрабатывается в течение нескольких минут, и сразу принимается решение.

   Украинские банки делают лишь первые шаги в этом направлении. Простейший вариант кредитного скоринга – бальный скоринг – используют   «Аваль», «ПриватБанк» и некоторые другие. Однако скоро практически все наши банки получат возможность перейти на новый, более эффективный и перспективный уровень работы на рынке потребительского кредитования благодаря доступности новейших программ интеллектуальной обработки и анализа данных. Ведь именно кредитный скоринг является тем краеугольным камнем, который определяет рациональную кредитную политику и культуру успешного банковского бизнеса.

 

СИСТЕМА КРЕДИТНОГО СКОРИНГА CREDITANALYST

   Система кредитного скоринга представляет собой математическую или статистическую модель, с помощью которой, на основе накопленной кредитной истории «прошлых» клиентов или экспертных знаний кредитных аналитиков, банк пытается определить, насколько велика вероятность того, что конкретный потенциальный заемщик вернет кредит в срок. Благодаря развитию компьютерных технологий, методов анализа данных и искусственного интеллекта, сегодня системы кредитного скоринга реализованы в виде программных приложений, таких, как, например, CreditAnalyst компании «Бизнес Нейро-Системы». Эта система полностью интегрируется в информационную инфраструктуру банка и позволяет кредитному аналитику путем многомерного анализа данных быстро, точно и объективно оценить кредитоспособность заемщика.

   Кредитные аналитики, использующие CreditAnalyst для определения вероятности невозврата кредитов, оперируют следующими понятиями: «характеристики» клиентов (в математической терминологии – переменные, факторы) и «признаки» – значения, которые принимают переменные. В анкете, которую заполняет клиент, характеристиками являются вопросы анкеты (возраст, семейное положение, профессия и т. д.), а признаками – ответы на эти вопросы. В самом упрощенном виде скоринговая модель представлена как сумма определенных характеристик с различными весовыми коэффициентами. В результате получается скоринговый показатель, и чем он выше, тем выше надежность клиента. Этот показатель (рейтинг) каждого клиента сравнивается с неким числовым порогом, или линией раздела, которая, по существу, является линией безубыточности и рассчитывается из отношения, сколько в среднем нужно клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного должника. Клиентам со скоринговым показателем выше этой линии кредит выдается, ниже – нет. Таким образом, внедрение системы CreditAnalyst обеспечивает снижение уровня кредитных рисков и минимизацию влияния человеческого фактора на качество принимаемых кредитных решений.

 

ОСОБЕННОСТИ СКОРИНГОВЫХ МОДЕЛЕЙ

   За внешней простотой построения скоринговой системы скрывается ряд «подводных камней», которые играют ключевую роль при адаптации и настройке скоринговых моделей. Ключевой вопрос – какие характеристики следует включать и какие весовые  коэффициенты им присваивать. Именно от выбора исходных данных зависит  качество итоговой оценки и, в конечном итоге, эффективность оценки риска и доходность кредитного портфеля.

   Есть несколько подходов к решению  этой проблемы, но лучше всего зарекомендовали себя методы, основанные  на интеллектуальном анализе данных, – нейронные сети и технологии Data Mining, которые реализованы в CreditAnalyst. Они используют обучающую выборку клиентов-заемщиков, о которых уже известно, хорошо  они себя зарекомендовали или нет. В CreditAnalyst используются методы,  называемые cross-validation, которые позволяют с большой степенью эффективности строить модели даже  на сравнительно небольшой выборке  данных – до 1000 записей.

   Следующим важным моментом является само количество значимых  параметров и их «вес». Они непостоянны и меняются от периода к периоду в  силу изменяющихся макроэкономических условий и направлений кредитной политики банка. При неправильном выборе исходных факторов риска или неучете значимых факторов мы вполне можем столкнуться с ситуацией, когда в пространстве итоговых оценок не выделяются группы «хороших» и «плохих» заемщиков или выделяются три и больше групп. Поэтому настроенные и используемые скоринговые модели необходимо периодически анализировать и уточнять. В CreditAnalyst кредитному аналитику предоставляется возможность в течение нескольких секунд оценить эффективность работающей модели и внести соответствующие изменения. Можно экстраполировать результаты эффективности модели на будущее, чтобы определить, каким образом внесенные изменения скажутся на повышении эффективности кредитного продукта в целом.

   Также стоит отметить, что в качестве «характеристик» потенциального заемщика должны использоваться параметры, которые присутствуют у любого физического или юридического лица (в зависимости от рассматриваемых видов кредитования). Такие параметры есть – это финансовые индикаторы. Обычно они достаточно сильно коррелированны, то есть взаимосвязаны между собой. А это не может не сказаться на качестве итоговой оценки, причем в худшую сторону. Ведь из множества финансовых коэффициентов можно составить всего несколько агрегированных параметров, которые и будут «настоящими» входными данными системы. Поэтому CreditAnalyst автоматически анализирует степень корреляции факторов и позволяет сразу оценить более и менее значимые характеристики заемщиков.

 

ФУНКЦИОНАЛЬНЫЕ ВОЗМОЖНОСТИ

Главной задачей компании «Бизнес Нейро-Системы» при разработке системы CreditAnalyst являлось создание программного комплекса для построения индивидуальной системы кредитного скоринга. В основу его работы положены общепризнанные принципы эффективного управления кредитными рисками: тщательный анализ еще на стадии рассмотрения заяв ки; изучение личности потенциального заем щика; системный подход к оценке. CreditAnalyst дает кредитному аналитику широкий спектр возможностей исследовать накопленные данные о заемщиках с тем, чтобы совершенствовать кредитную политику банка. Реализация таких алгоритмических моделей, как нейронные сети, деревья решений, логистическая регрессия и карты Кохонена, позволяет досконально изучить данные о заем щиках и на основании полученных результатов принимать более обоснованные и объективные решения относительно выдачи кредитов.

    CreditAnalyst позволяет выявить скрытые факторы, влияющие на кредитоспособность заемщика, и на основе полученной оценки выбирает оптимальный вариант «объем кредита – ставка процента – срок погашения», дает возможность спрогнозировать наличие и частоту просрочек конкретного заемщика, средний размер используемого кредита и т. п. Выявляя общие, иногда совсем не очевидные характеристики, система дает возможность разделить клиентов на группы с однородными показателями рисков. При поступлении заявки она автоматически относит заемщика к той или иной группе и выставляет ему соответствующий рейтинг.

Ориентация на практический опыт работы кредитных департаментов и системный подход определяют основные функциональные возможности системы CreditAnalyst:

• Индивидуальные настройки для ведения различных кредитных продуктов как по регионам, так и по видам кредитования (авто, ипотека и т. д.), что позволяет более гибко управлять кредитным портфелем и учитывать макроэкономические факторы отдельных регионов.

• Широкий спектр алгоритмических моделей, их «тонкая» настройка и различные варианты оценки точности для всестороннего анализа данных о заемщике и принятия максимально взвешенного решения о выдаче кредита.

• Возможность создания собственных моделей на основе экспертных знаний, тестирования и оценки эффективности их для более четкого комплексного понимания текущей ситуации на рынке.

• Построение разнообразных кредитных стратегий с использованием всего набора алгоритмических моделей для комплексной оценки заемщика, задание способа соотношения между ними. Это дает возможность формировать так называемые «правила кредитных стратегий», использование которых делает управление кредитным портфелем максимально гибким и эффективным.

• Создание подробных отчетов о ре зультатах анализа заемщиков, включая графические диаграммы, помогает «визуально» оценить данные и понять сущность результатов, а статистическое представление отдельного заемщика относительно общей выборки определяет его «кредитный портрет».

• Интеграция в информационную инфраструктуру банка и работа с такими распространенными в Украине АБС, как «Б2», SCROOGE, ГРАНТ, Profix и др.

   Благодаря гибкой модульной архитектуре и реализации основных компонентов по технологии ActiveX, сложности интеграции CreditAnalyst в инфраструктуру банка практически сведены к нулю. Поддержка различных типов баз данных и всевозможных вариантов представления конечных результатов делает работу системы быстрой и прозрачной для конечного пользователя. Сегодня можно с уверенностью говорить о том, что нацеленность на украинский рынок кредитования, комбинация гибкости, простоты и широты возможностей системы позволили компании «Бизнес Нейро-Системы» сделать CreditAnalyst наиболее оптимальным и эффективным решением для управления кредитными рисками и совершенствования работы кредитного департамента банка.

 

ВНЕДРЕНИЕ

Учитывая индивидуальные осо бенности каждой финансовой организации, компания «Бизнес Нейро-Системы» использует подход, который в полной мере позволяет учесть собственные пожелания и потребности банка. Экономическая эффективность внедрения системы CreditAnalyst достигается за счет ее следующих преимуществ:

• Внедрение в максимально сжатые сроки – установка и настройка стандартизированной версии CreditAnalyst занимает не более 3–4 недель.

• Эффективная работа на существующих ресурсах банка – система не требует приобретения дополнительного ПО или оборудования.

• Отсутствие необходимости в дли тельном и дорогостоящем обучении специалистов банка – система проста в использовании.

• Низкая стоимость владения – система CreditAnalyst проста в обслуживании, специалисты банка могут самостоятельно загружать в нее новые кредитные истории и актуализировать ее без дополнительных затрат.

 

   С целью обеспечения более гибкого взаимодействия и минимизации затрат клиентов компания «Бизнес НейроСистемы» предлагает бесплатно следующие услуги:

— первая консультация с выездом специалиста и показом демо-версии;

— оценка стоимости проекта;

— предварительный анализ эффективности будущего внедрения.

   Звоните, вместе с нами Вы сможете открыть для себя новые возможности кредитования.

 

ООО «Бизнес Нейро-Системы»

Тел.: (0572) 546-389

Факс: (0572) 544-598

E-mail: contacts@bns.com.ua

Http://www.bns.com.ua

 
БАНКИ СНГ, Балтии, Грузии
G
M
T
Звуковая функция ограничена 200 символами
КОНТАКТНАЯ ИНФОРМАЦИЯ:

тел.: (067) 501-01-66 (050) 523-56-46
e-mail:
bank@banksinfo.kiev.ua
Сайты:
www.DC.banksinfo.kiev.ua
http://digital-world.banksinfo.kiev.ua
Официальный сайт:
www.banksinfo.kiev.ua
Страница Facebook:
www.facebook.com/bankir.magazine
Linkedin: https://www.linkedin.com/company/club-bankir
Юридическая поддержка