Особенности потребительского кредитования в банке (стр. 15 из 21)

Для скоринга обычно предлагается использовать нейронную сеть. Свойство универсальной аппроксимации нейронной сети говорит о том, что она работает по крайней мере не хуже любого наперед заданного метода или модели кредитного скоринга. Нейронная сеть обучается на конкретных демографических и ситуационных данных.

Как и со всякой системой, основанной на системах искусственного интеллекта, с нейронной сетью самое сложное - ее обучение и запуск в эксплуатацию. В начальный момент отсутствует история выдачи кредитов, и вряд ли конкуренты поделятся информацией. Более того, данные разнятся по регионам, и те признаки, которые были важны в одном регионе, могут в другом не работать.

Соответственно, предлагается взять сначала как можно больше анкетных и ситуационных данных о клиенте. В дальнейшем те пункты анкеты, которые не влияют на кредитный риск, отбросить.

Начальное обучение нейронной сети производится на основе специально сгенерированной выборки анкет и простой скоринговой модели и экспертных оценок.

Другой проблемой, сопряженной с использованием нейронной сети является некоторая непрозрачность для человеческого понимания принимаемых ею решений. Решение, предлагаемое разработчиками данных автоматизированных систем, состоит в:

- извлечении правил из нейронной сети для понимания факторов, влияющих на кредитные риски и управления ими;

- утверждении и использовании в операционной деятельности дерева решений.

Одна из таких программ «NTRScoring» представляет собой модуль управления взаимоотношениями с клиентами интегрированной банковской системы (ИБС) и включающий в себя систему скоринга - расчета кредитного рейтинга, и настраиваемый на основе правил и регламентов, принятых в кредитной организации.

Система реализует отработанный и содержательный бизнес-процесс работы с клиентом в части предоставления им продуктов (как правило, кредитов того или иного вида). Бизнес-процесс может быть настроен на условия в конкретном банке.

Назначение данной системы в следующем:

- создание единой базы данных по клиентам Банка, зарегистрированных в рамках Системы;

- автоматизация процессов регистрации и обработки заявок клиентов Банка на предоставление Продуктов в рамках Системы;

- автоматизация процесса принятия решения о кредитоспособности клиентов на основе процедуры скоринга;

- обеспечение целостности информации по клиентам в Системе;

- накопление кредитной истории клиентов Банка;

- автоматизация процедур управления продуктами;

- обеспечение целостности информации по кредитам в Системе;

- получение статистической и аналитической информации по использованию продуктов Банка;

- анализ истории предоставления кредитов;

- расчет и перерасчет скоринговых коэффициентов.

Система выполняет следующие функции:

- регистрация и ведение заявок клиентов на предоставление Продукта;

- выполнение проверок зарегистрированных заявок;

- выполнение расчета кредитного рейтинга клиента (скоринг);

- регистрация и ведение информации о клиентах;

- управление статусами клиентов;

- сбор информации о клиентах от других модулей Системы;

- предоставление информации о клиентах другим модулям Системы;

- регистрация событий, связанных с жизненным циклом клиента;

- регистрация и ведение информации о кредитах;

- регистрация событий, связанных с жизненным циклом кредита;

- управление статусами кредитов;

- сбор информации о кредитах от других модулей Системы;

- предоставление информации о кредитах другим модулям Системы.

Схема бизнес-процессов в части предоставления продуктов следующая:

- регистрация заявок клиентов на предоставление Продуктов (заявка содержит подробную информацию о клиенте);

- уточнение данных клиента;

- предварительная проверка заявок на полноту и достаточность предоставленной информации;

- проверка на наличие информации о клиенте в «черном списке»;

- проведение расчета кредитного рейтинга клиента на основании зарегистрированной заявки;

- выполнение проверки информации на внешние условия;

- утверждение заявки кредитным инспектором;

- при необходимости согласование условий предоставления Продукта с клиентом;

- формирование пакета документов для подписания клиентом;

- регистрация клиента в Системе;

В разных странах набор характеристик, описывающих заемщиков, и их относительный вес в оценке кредитного риска различаются, как различны экономические условия жизни и национальный менталитет. Поэтому нельзя автоматически переносить модель из одной страны в другую. В российских условиях параметры одного региона не переносимы на ситуацию другого региона, на его уровни зарплат и рисков. Более того, не дает эффекта даже перенос скоринговой модели из одного банка в другой, поскольку клиентская база каждого банка имеет свои особенности.

Предлагается разработка и внедрение системы скоринга, позволяющей оценивать кредитный риск заемщика и всего кредитного портфеля на основании уникальной модели, адаптивной к данным. Модель скоринга физических лиц может базироваться на анкетных данных заемщиков, экспертных знаниях менеджмента банка, численных оценках, полученных на статистике «плохих» и «хороших» кредитов, численных оценках, построенных на объективной региональной и отраслевой информации.

В результате работы модели по оценке конкретного заемщика формируется кредитный портрет потенциального заемщика, позволяющий производить:

- процедуру разделения потенциальных заемщиков на «плохих», которым не может быть выдан кредит, и «хороших», которым кредит может быть выдан;

- расчет индивидуальных параметров кредитной сделки для конкретного заемщика (лимит, процент, срок, график погашения кредита);

- расчет риска и управление кредитным портфелем по всем ссудам, выдаваемым частным лицам.

Методология решения базируется на анализе специфики деятельности банка. При этом учитываются как группы клиентов (отраслевая и региональная принадлежность и др.), так и кредитные продукты банка для физических лиц. Исходя из потребностей банка в развитии бизнеса и имеющихся данных, могут быть построены скоринговые модели, основанные на экспертных знаниях банковского менеджмента, на статистических данных, на учете макроэкономических данных о социально-экономическом развитии конкретных регионов и отраслей. Наиболее мощными по точности оценки кредитного риска являются модели, использующие комплексный подход, т.е. учет всех данных и экспертных знаний менеджмента банка.

Ключевые преимущества от внедрения скоринговой системы

- Сокращение сроков принятия решения о предоставлении кредита. Увеличение числа и скорости обработки заявок за счет минимизации документооборота при выдаче кредита частным клиентам, как важнейший способ обеспечения доходности ритейлового кредитования.

- Эффективная оценка и постоянный контроль уровня рисков конкретного заемщика.

- Снижение влияния субъективных факторов при принятии решения о предоставлении кредита. Обеспечение объективности в оценке заявок кредитными инспекторами во всех филиалах и отделениях банка.

- Оценка и управление риском портфеля кредитов частным лицам банка в целом, включая его отделения. Учет, при определении параметров новых кредитов, уровня доходности и риска кредитного портфеля.

- Реализация единого подхода при оценке заемщиков для различных типов кредитных продуктов банка (экспресс-кредиты, кредитные карты, потребительские кредиты, автокредитование, ипотечные кредиты).

- Адаптация параметров кредита под возможности конкретного заемщика (кастомизация кредитного продукта).

- Резкое расширение, за счет кастомизации кредитных продуктов, состава и численности кредитуемых лиц.

- Сокращение численности банковского персонала, экономия за счет использования персонала более низкой квалификации.

- Контроль всех шагов рассмотрения заявки.

- Возможность вносить коррективы в методологию оценки централизованно и немедленно вводить их в действие во всех отделениях банка.

Для построения скоринговой системы могут быть использоваться следующие типы данных:

- Макроэкономические данные, представляющие собой статистическую информацию по социально-экономическому развитию для тех регионов, в которых имеются отделения (представительства, филиалы) банка, или в которых банк планирует их открыть.

- Статистические данные предприятий регионов с тем, чтобы включить в модель скоринга информацию о принадлежности заемщика к определенному сектору экономики для повышения точности оценки.

- Анкетные данные по всем имеющимся заемщикам банка в разрезе возвратов и невозвратов долга, а также по просроченным выплатам процентов и основной суммы долга. Состав анкетных данных, необходимых для работы модели, определяется после предварительного анализа.

- Экспертные знания банковского менеджмента по каждому из типов кредитных продуктов банка.

В качестве иллюстрации на рис. 3.4 приведен пример бизнес-процесса работы банка по кредитной заявке — от первого контакта с клиентом до принятия банком предварительного решения о предоставлении кредита на определенную сумму (до выбора заемщиком квартиры). Видно, что тут основную роль в снижении рисков до минимума играет согласованная работа всех сотрудников банка в соответствии с утвержденной схемой принятия решения.

Рисунок 3.4- Пример бизнес-процесса принятия решения о предоставлении ипотечного кредита (до выбора квартиры заемщиком). Общая схема (для примера) и технология формирования заключения аналитиком банка

Проведем расчет эффективности внедрения системы кредитного скоринга. Экономический эффект от вндерния системы кредитного скоринга можно рассчитать по формуле 3.3: