что такое скоринговая карта

Разработка скоринговых карт

Я занимался построением скоринговых карт в банке для самых разных продуктов и могу сказать, что жизненный цикл разработки стандартный. И цель этой заметки пройти цикл и построить скоринговую карту для оценки платежеспособности заёмщиков на основе данных из кредитной заявки.

Моделирование кредитных рисков

Моделирование кредитных рисков в банковский сектор пришло из ботаники. В статистике идеи классификации популяции на группы были разработаны Фишером в 1936 г. на примере растений. Этот тот самый знаменитый пример Ирисов Фишера. Он часто используется для иллюстрации работы статистических алгоритмов.

В 1941 г. Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». С началом Второй мировой войны банки столкнулись с необходимостью срочной замены аналитиков. Аналитики составили свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был прообраз будущих систем принятия решения.

Современные подходы к моделированию

Из-за требований внешних регуляторов в качестве моделей для скоринга кредитных заявок рассматриваются интерпретируемые модели. Например, решающее дерево или логистическая регрессия. Интерпретация решающего дерева простая и понятная. Визуализируйте.

С интерпретацией логистической регрессии немного сложнее. Для этих целей и разрабатывается скоринговая карта.

Жизненный цикл разработки скоринговых карт

Рассмотрим жизненный цикл на примере. Возьмём анонимизированный учебный набор данных по заявкам на кредитные карты — Credit Approval Data Set. К сожалению, нам не известны наименование признаков, но можем предположить, что туда входят возраст, пол, доход и т.д. Набор данных состоит из 14 признаков и целевой переменной. Предобработка данных в этом датасете очень простая. Заменим все «?» на NaN, а потом пропуски в числовых признаках на средние значения и на самое часто встречаемое в категориальных признаках.

Монотонный WOE binning признаков

Теперь необходимо написать WOE binning для числовых и категориальных переменных.

WOE считается для каждого признака!

Плюсы монотонного WOE binningа признаков:

Объединим категории с близкими значениями WOE в одну категорию так, чтобы максимизировать разницу между группами. Теперь можно посмотреть на графиках, как переменные разбились по группам и проверить монотонность возрастает или убывает.

Далее оценим по графикам, монотонно возрастают или убывают. При необходимости провести ручной бининг. Ручной бининг нужен для объединения категорий с близкими значениями WOE в одну категорию так, чтобы максимизировать разницу между группами.

Отбор признаков по Information Value

Information Value (IV) измеряет предсказательную силу признаков. Считается для каждого признака.

Значения Information Value (IV) для определения cutoff по отбору признаков:

План отбора признаков по IV:

Построение логистической регрессии

Строим логистическую регрессию и оцениваем метрики на кросс-валидации и тестовой выборке. Смотрим на коэффициент ROC AUC или Gini.

Построение скоркарты — масштабирование баллов

Скорбалл считается по следующей формуле:

Score = (β×WoE+ α/n)×Factor + Offset

β — коэффициент логистической регрессии признака

WoE — Weight of Evidence признака

n — количество признаков, включенных в модель

Factor, Offset — параметры масштабирования. Множитель и смещение.

Множитель и смещение считаются так:

Factor = pdo/Ln(2) Offset = B — (Factor × ln(Odds))

pdo — количество баллов, удваивающее шансы

B — значение на шкале баллов, в которой соотношение шансов составляет С:1

Например: Если скоринговая карта имеет базовые коэффициенты 50 : 1 в 600 баллах, а pdo из 20 (вероятность удвоения каждые 20 баллов), то множитель и смещение будут: Factor = 20/Ln(2) = 28.85 Offset = 600- 28.85 × Ln (50) = 487.14

Получаем следующие скорбаллы:

Таким образом скорбаллы считаются и для остальных признаков и составляется итоговая скоркарта. Дополнительный плюс этого подхода, что потом реализовать готовую скоркарту можно на любом языке программирования, в любой системе используя конструкцию if else.

Источник

Банки и микрофинансовые организации в процессе своей деятельности сталкиваются с рядом рисков, снижение уровня которых достигается путем применения кредитного скоринга. Специальные скоринговые модели помогают кредиторам оценивать заемщиков на разных стадиях действия кредитного договора.

Что такое кредитный скоринг?

Скоринг возник от английского термина «score», что в переводе на русский язык означает «счет». Кредитный скоринг — это система оценки потенциальных и действующих клиентов, в основу которой вкладываются статистические данные. Путем сопоставления статистических данных компания принимает то или иное решение.

Скоринговые модели применяются кредитными и микрофинансовыми организациями, точками, занимающимися pos-кредитованием, страховыми компаниями и сотовыми операторами. Изначально система оценки рисков использовалась на стадии принятия решения по заявке на кредит или заем. После того, как потенциальный заемщик заполнил анкету, все указанные им данные анализируется компьютерной программой, которая присваивает клиенту определенное количество баллов.

Для чего нужен кредитный скоринг?

Задачи скоринговой модели сводятся к одному — оценить уровень рисков кредитора на каждой стадии действия кредитного договора. Финансовые организации широко применяют практику приема онлайн-заявок на свои продукты. Это удобно и кредиторам, и потенциальным заемщикам. Первые — принимают предварительное решение в течение нескольких минут, вторые — получают возможность подавать заявки без посещения офиса организации.

Такая схема взаимодействия стала возможной после внедрения в деятельность организаций кредитного скоринга. Именно компьютерная программа, а не живой человек, принимает предварительное решение по заявке. Таким образом, заведомо неблагонадежные клиенты отсеиваются на стадии обработки онлайн-заявки. Подобный подход существенно снижает затрату ресурсов компании, а также экономит большое количество времени, так как кредитный скоринг пропускает ко второму этапу оформления кредита или займа только тех клиентов, которые соответствуют требованиям организации.

Как работает кредитный скоринг?

Скоринговая программа — это компьютерный софт, которые организации используют в целях автоматизации принятия решений по заявкам. Если учитывать, что у двух банков могут быть совершенно разные требования к клиентам, то логично, что скоринговая оценка кредитоспособности ими настраивается так же по-разному. Работает система следующим образом:

По каждому кредитному предложению организация выставляет минимальное количество баллов — планка, разграничивающая кредитоспособных и не кредитоспособных клиентов. Если по результатам рассмотрения заявки скоринговая программа выставляет оценку ниже заданного минимума, выносится отрицательное решение. И наоборот, если итоговый балл выше, заявка автоматически одобряется. Человеческий фактор в данном процессе практически не задействуется.

Благодаря такому распределению клиентов, до специалистов финансовой организации доходят заявки только от потенциально надежных клиентов, с которыми, впоследствии, может быть заключено кредитное соглашение.

Виды кредитного скоринга

Скоринг кредитного риска используется банками не только на стадии рассмотрения решения по онлайн-заявкам. Система применяется и после заключения договора с заемщиком. Финансовая организация заинтересована в том, чтобы изучать поведение клиента до полного погашения задолженности по кредиту. По этой причине применяются разные виды скоринговых моделей.

Application-scoring

Дословно термин с английского переводится как «скоринг заявки». Эта та самая модель, которая применяется на стадии обработки заявки на кредит или заем. Это наиболее распространенный вид кредитного скоринга, который выставляет первичную оценку кредитоспособности потенциального заемщика. Модель анализирует анкетные данные клиента, и выставляет балл, рассчитанный на основе статистических данных. По результатам данного анализа выносится положительное или отрицательное решение.

Collection-scoring

Применяется при работе с проблемными клиентами на предмет возврата просроченной задолженности. Эта модель скоринга актуальна на первых стадиях взыскания (Soft-collection), а также и после передачи дела заемщика коллекторскому агентству (Hard-collection). Суть этого вида кредитного скоринга заключается в применении конкретных шагов в процессе возврата задолженности. По статистике примерно 40% заемщиков, вышедших на просрочку, погашают долг до подачи иска в суд, либо до получения кредитором судебного приказа. Такая система мер воздействия на заемщика получила наименование collection-scoring.

Behavioral-scoring

Этот вид принято называть еще и «скорингом поведения». Его применение целесообразно по договорам с возобновляемой кредитной линией. С ее помощью кредитор оценивает поведение клиента на протяжении определенного промежутка времени. В частности, первостепенное значение здесь имеет возможное изменение материального положения заемщика, а также его действия в процессе пользования продуктом. Наибольшее распространение модель получила в сегменте выпуска кредитных карт — кредитный лимит повышается или понижается в зависимости от того, какие результаты покажет behavioral-scoring.

Fraud-scoring

В отличие от остальных моделей скоринга, которые работают самостоятельно, fraud-scoring применяется в связке с каждой из них. Основное предназначение модели заключается в статистической оценке и выводе вероятности мошеннических действий со стороны клиента. Наиболее актуально ее применение на стадии обработки онлайн-заявки — вкупе с application-scoring.

Какие данные потенциального клиента влияют на оценку кредитоспособности?

Оценивая потенциального клиента, скоринговая модель работает с теми данными, которые в нее заложены кредитором. Программа оценивает характеристики заемщика, выставленные в качестве требований по конкретному кредитному продукту. Непосредственно на уровень кредитоспособности влияют следующие факторы:

Источник

Что такое скоринг и можно ли обмануть банк при выдаче кредита

Что такое скоринг и почему раньше обмануть банк было проще

Само слово скоринг произошло от английского «score» — подсчет очков. В ситуации с банками кредитные учреждения ведут «подсчет очков», оценивая платежеспособность клиентов. Пару десятков лет назад процесс занимал до нескольких суток, сегодня даже одобрение ипотечного займа можно получить в течение пяти минут. Причина проста — из процесса оценки платежеспособности заемщика почти исключен человек. Именно поэтому ситуации, когда можно попросить одноклассника, работающего в банке, замолвить словечко, чтобы получить кредит, сегодня практически исключены. Решение принимает машина, причем сами сотрудники банка в основной своей массе имеют лишь приблизительное понятие, какие данные оценивает система.

Сегодня наличие эффективного скоринга — в прямом смысле вопрос выживания для банков. О том, что несколько десятков самых слабых организаций могут покинуть рынок уже в этом году, говорят многие эксперты. Совершенствование скоринга — это фактор, который напрямую будет влиять на прибыльность банка. Собственно, скоринг и был придуман для того, чтобы сократить число дефолтов и распознать платежеспособных клиентов среди тех, кто на первый взгляд кажется проблемным.

Как банк «считает очки»

Основную информацию о потенциальном заемщике, с которым банк никогда не имел дела, он получит из анкеты. Ее предлагают заполнить как в бумажной форме, так и в электронном виде на сайте банка.

Чем больше сумма кредита, тем больше сведений захочет знать о вас банк. Если для оформления потребкредита банку достаточно минимальных данных, то анкета для ипотечного займа включает вопросы о наличии высшего образования, количестве детей, а иногда и о наличии судимости.

Но это далеко не вся информация, которой будет оперировать банк.

Начисляя баллы, скоринговая система запросит информацию в кредитном бюро, сверится с базами должников, а в некоторых случаях обратит внимание и на профиль в соцсетях. К примеру, в США банки в том числе оценивают, насколько часто человек выкладывает в соцсетях фото в нетрезвом виде.

По словам Анастасии Усковой, гендиректора финтех-платформы «Фаст Ривер», технологии скоринга у нас и за рубежом существенно не отличаются. Разница только в массиве данных, которые попадают в прицел скоринговых программ из открытых источников и предоставляются самим клиентом. И в России, и в Европе, и в Китае в скоринг могут попадать не только данные из соцсетей потенциальных клиентов, но даже история поисковых запросов, если те не скрыты настройками приватности. «Но на европейском континенте существуют законы, ограничивающие и регламентирующие сбор данных — например требования обезличивать данные, хранить в зашифрованном виде или уведомлять клиентов о том, какая личная информация о них анализируется банком», — уточняет Ускова.

В Китае скоринг настолько популярен, что муниципальные и частные платформы, среди которых есть мессенджеры, маркетплейсы, платежные системы, и даже приложения для знакомств и заказа такси, знают о вас все и обязаны передавать государству имеющиеся у них данные. На их основе составляется социальный рейтинг граждан, который определяет их благонадежность и ложится в том числе в основу банковского скоринга.

Все современные технологии так или иначе помогают банкам совершенствовать скоринговые системы. Так, почти у всех есть гаджеты с привязанными к ним аккаунтами в социальных сетях, мессенджерах и почтовых сервисах, а также приложения, которые позволяют ставить геолокацию и отмечать другую информацию. К слову, банки получают и информацию о том, сколько и как регулярно вы платите за связь и прочие сервисы.

Отдельно Алексей Перепелкин, руководитель отдела аналитики «BMS Law Firm» отмечает мобильные банки, приобретающие все большую популярность. Их анализ также помогает оценить модель поведения потенциальных заемщиков. Для российских банков существенным прорывом в построении скоринговых моделей стал доступ к данным об официальных доходах россиян от ПФР, отмечает Сергей Григорян, специалист по банковскому сектору, партнер аналитической компании «ЕваБета Россия». Сейчас финансовые организации анализируют клиентов более чем по нескольким сотням параметрам. Вся информация буквально от рождения до смерти уже практически доступна банкам, которые стали гораздо более тщательно выбирать клиентов.

Как совершенствуются скоринговые модели?

Представители банков утверждают, что уделяют большое внимание совершенствованию скоринговых моделей и скоринговых систем. При этом в пресс-службе банка «Хоум Кредит» РБК Трендам уточнили, что в основном ведут работу в двух направлениях:

Банки явно не экономят на внедрении более эффективного скоринга, и этому есть простое объяснение. В беседе с РБК Трендами Николай Переславский, сотрудник департамента экономических и финансовых исследований CMS Institute, заверил, что вложения в систему проверки заемщиков будут окупаться достаточно быстро, особенно с учетом текущего положения вещей в стране.

Речь идет о том, что на фоне падения реальных доходов до уровня 2009 года общая долговая нагрузка россиян (отношение суммы платежей по кредиту к доходам заемщика) составила почти 12% по состоянию на конец первого квартала 2021 года. При зарплатах в регионах не выше ₽30 тыс. средняя сумма потребительского кредита превысила ₽300 тыс., а ипотечного — ₽3 млн. На этом фоне вычислить потенциально проблемного заемщика — задача непростая, но Переславский утверждает, что система стала определять неблагонадежность доходов заемщика лучше, прогнозируя возможные риски заранее. По данным, которыми оперирует эксперт, по ипотечному кредитованию процент отказов в текущем году приблизился к 50%, а по потребительским кредитам показатель достиг 75%.

А нужен ли человек?

Прогнозируя будущее скоринговых систем, некоторые эксперты высказывали смелую гипотезу о том, что в будущем возможно будет полностью исключить участие человека из этого процесса. Рассуждая на эту тему с РБК Трендами, Сергей Григорян, специалист по банковскому сектору, партнер аналитической компании «ЕваБета Россия», тоже допустил такую возможность с учетом того, что сегодня в большинстве случаев алгоритмы работы программного обеспечения создаются человеком. Уже потом на их основе делается ПО, которое самостоятельно собирает определенные данные и делает вывод о платежеспособности того или иного клиента.

«В данный момент мы еще не дошли до того уровня развития технологий, когда можно совсем обойтись без участия человека в создании самих моделей/алгоритмов. Но в перспективе ближайших десяти лет вполне возможно появление скоринговых моделей, созданных искусственным интеллектом», — допускает Григорян.

Представители банков в своих прогнозах о полной роботизации скорингового процесса более сдержаны. С одной стороны, в пресс-службе Московского кредитного банка заверили, что в ряде клиентских сегментов и продуктов уже применяется процесс принятия кредитных решений без участия человека. С другой же, пока нет алгоритмов, способных оценивать субъективные факторы, в отличии от человека. Для некоторых видов ссуд (например кредиты для бизнеса), непредвзятость системы может, напротив, привести к упущенной выгоде для банка.

По заверениям Переславского из CMS Institute, у скоринговых систем есть некоторая предвзятость к фрилансерам и владельцам МСБ, из-за чего они периодически выдают ошибочные решения в пользу или не в пользу одобрения займов некоторым людям. При этом ни для кого не секрет, что искусственный интеллект способен быть предвзятым из-за заложенных в него данных даже со способностью алгоритма к самообучению. Процентное соотношение одобренных кредитов у мужчин и женщин разнится примерно на 15% в пользу мужчин. За рубежом можно встретить примеры не только гендерной, но и расовой дискриминации.

На текущем этапе алгоритмы и технологии должны облегчить сотрудникам принятие финального решения, но полностью заменить риск-менеджеров они не смогут. Даже самую автоматизированную систему необходимо постоянно поддерживать и дорабатывать. Так что пока банки не готовы полностью отдать вопросы скоринга на откуп машинам.

Как обманывали банк раньше и можно ли это сделать сейчас

Как правило, необходимость «обмануть» банк возникает, если вы хотите получить кредит, имея статус неблагонадежного заемщика, или размер кредита заметно превышает сумму, на которую вас готов кредитовать банк.

Самый ходовой способ, который чаще всего использовали для обмана банка раньше, — иметь в банке «своего» человека, который мог закрыть глаза на «липовую» справку о доходах, содействовать завышению лимита или «не заметить», что у заемщика, который является единственным кормильцем в семье, пятеро иждивенцев.

Сегодня, когда человеческий фактор во многих скоринговых процессах сведен до минимума, лучше даже не пытаться «обмануть» скоринг в банке, так как там есть отдельные антифрод-алгоритмы, и любое нетипичное поведение может показаться системе подозрительным. В реальности большинство банков ограничивают число возможных корректировок со стороны клиента. Более того, большое количество попыток получения кредита в одном и том же банке приводит к ухудшению кредитной истории.

А вот попытаться улучшить свой имидж в банке, зная немного о том, как работает скоринг, можно. Для этого есть вполне легальные способы.

«Помните, что основной информацией для скоринговых систем являются данные о получаемых доходах и расходах, о кредитной истории. Доход должен быть официально подтвержден, а в разрезе трат не должно быть ничего подозрительного — избегайте крупных импульсивных покупок», — советует Ускова из «Фаст Ривер». Эксперты департамента риск-менеджемента ОТП Банка рецепт сформулировали еще проще: «Исправьтесь и верните все долги, а также помогите банку понять, что вы можете оплачивать свой новый займ».

Как улучшить свой кредитный рейтинг

Среди рекомендаций, которые дает ОТП банк, — совет подтвердить зарплату, которая позволяет вам потянуть кредит или предложить в качестве залога квартиру или машину — это гораздо упрощает выдачу кредита. Антон Рогачевский, начальник отдела онлайн-продаж «Морского банка», советует не забывать, что скоринговая система слепа к человеку. С ней вы не сможете обсудить, почему тот или пункт некорректен. Тут все очень просто: небольшое отклонение от программы срабатывает как стоп-фактор, и автоматически выносится отказ. Именно поэтому, заполняя анкету для банка, так важно правильно внести данные, которые система сможет сверить с имеющимися в ее доступе базами. Ошиблись с годом рождения или неверно указали возраст ребенка — система может решить, что вы намеренно вводите ее в заблуждение. Кстати, это одна из причин, по которой нельзя исключать человеческое звено из цепочки принятия решений.

В разных банках используются разные скоринговые модели, которые банкиры хранят в строжайшем секрете, поскольку от них напрямую зависит эффективность бизнеса. Поэтому иногда, но редко, самый простой способ обойти систему — обратиться в другой банк. Бывает, что один единственный фактор — к примеру, наличие нескольких несовершеннолетних детей — может стать стоп-фактором для одного банка и совсем не смутить другой.

Если кредитная история имеется, и у вас есть основания полагать, что она подпорчена, для начала нужно понять, насколько велики ваши шансы. Запросить кредитную историю и кредитный рейтинг можно бесплатно дважды в течение календарного года. Сделать это проще всего с помощью портала Госуслуги, где можно выбрать кредитное бюро из предложенного списка.

Из присланных данных можно будет понять, есть ли отметки, которые необходимо закрыть или оспорить для улучшения рейтинга. Для этого нужно будет подать заявление о внесении изменений или дополнений в бюро кредитных историй, где хранится его история.

Если же исправлять нечего, повысить ваши шансы помогут новые займы, считает Переславский из CMS Institute. И это как раз тот самый случай, когда помогут даже ссуды в МФО или небольшие потребительские кредиты в банках или точках продаж. Эксперты советуют купить в кредит что-то из мелкой бытовой техники, на что вам даже не нужно было брать кредит при иных обстоятельствах. Важно помнить, что кредитную историю и рейтинг помогут выправить именно платежи без просрочек и в полном объеме. При этом эксперты советуют не брать для этих целей займы выше ₽10 тыс. «Разумеется, это может повлечь за собой определенные расходы в виде процентов, но другого легального варианта для восстановления своей репутации перед банками, увы, пока нет», — говорит Переславский.

Первое, с чего советуют начать клиенту улучшение кредитной истории в пресс-службе Московского кредитного банка, — реструктуризировать все текущие просроченные суммы платежей и далее вовремя осуществлять погашение по действующим кредитам в соответствии с графиком. Чем дольше заемщик будет демонстрировать своевременное погашение действующих займов, тем лучше будет формироваться его кредитная история.

Получить ее достаточно легко: как правило, банки не проводят глобальных проверок, особенно если лимит небольшой. То же касается всевозможных карт рассрочки и так далее. «Получить их может практически каждый, даже в ТЦ или магазине. При этом, если вы активно пользуетесь такими картами и своевременно вносите по ним платежи, ваша кредитная история (КИ) улучшается», — советует Григорян из «ЕваБета Россия».

Помимо просрочек по займам, в вашей кредитной истории отображаются все остальные долги: неоплаченные штрафы, ЖКХ, алименты и тому подобное.

Этот вариант подойдет не тем, у кого кредитная история испорчена окончательно, а скорее тем, кто хочет, чтобы ему одобрили большую сумму займа. Банк видит деньги на счету клиента, и его рейтинг в глазах финансовой организации повышается.

Какой бы из способов исправления испорченной кредитной истории вы ни выбрали, нужно настроиться на то, что в среднем на это уйдет от 15 до 30 месяцев.

А вот если вам предлагают обмануть банк за деньги — перед вами мошенники.

Зачем нужен хороший кредитный рейтинг?

Чем более надежным заемщиком вы выглядите в глазах банка, а именно его скоринговой системы, тем лучшие условия по займу вам предложат и тем больше денег согласятся дать в кредит. «По оценке НБКИ, для автокредита с хорошей процентной ставкой кредитный рейтинг заемщика должен быть не менее 500 баллов из 800, а с показателем в 400 баллов можно рассчитывать только на микрозаймы», — приводит пример Переславский. Как правило, кредиты под залог имущества одобряются даже с низким кредитным рейтингом, но регулярный платеж по ним может быть на 2–4 процентных пункта выше рынка, что может фактически сделать такой кредит неподъемным. Поэтому в идеале лучше потратить полгода-год на восстановление кредитного рейтинга, чем серьезно переплачивать по процентам при низких показателях оценки банком, советует эксперт.

Источник