Кредитний скоринг, в основу якого покладено новітні технології, сьогодні є незамінними
Фото: https://pixabay.com/
Зараз, у період великої війни, що зачепила усі без винятку сфери суспільного, політичного та фінансового життя країни, банки та інші фінансові установи дещо скорегували правила, за якими працюють. Деякі з них змінили і принципи, за якими функціонує банківський скоринг – автоматична оцінка платоспроможності і порядності позичальника. Іноді навіть люди зі зразковою кредитною історією та доволі високими доходами можуть отримати від банку відмову у позиці. Але чому?
Далі розповідаємо про те, як українські фінансові компанії проводять скоринг з допомогою штучного інтелекту під час повномасштабної війни, і чому такий досвід такий важливий для України.
Що таке скорингова система у фінансових установах
Особливості скорингу. Скорингова система, котра існує у кожній фінансовій установі, визначає надійність і добросовісність потенційного позичальника. Власне, скоринг – це математична модель, яка дозволяє, ґрунтуючись на кредитних історіях низки клієнтів визначити ймовірність того, що потенційний позичальник поверне кредит вчасно. Скорингова модель основується на соціальних і демографічних характеристиках потенційного позичальника – вік, стать, сімейний стан, освіта, посада, стаж роботи, зарплатня, кількість дітей та людей на утриманні, кредитна історія (скорингова модель має до 25-ти параметрів).
Володимир Довгаль, СЕО CreditPlus, зазначає, що завданням скорингової моделі є визначення ймовірності дефолту за конкретним клієнтом: «Однак процес ухвалення кредитних рішень не обмежується лише скорингом. Також на рішення про встановлення ділових відносин з клієнтом (укладання договору) безпосередньо впливають процеси фінансового моніторингу: ідентифікація та верифікація. Компанія не може встановити відносини з клієнтами, які не пройшли відповідні процедури відповідно до законодавства».
Види скорингу. Існують application-скоринг – оцінка кредитоспроможності позичальників для отримання кредиту та fraud-скоринг – оцінка ймовірності шахрайства позичальника. Кожен з цих типів використовує особливий перелік факторів, які характеризують позичальника, та отримують унікальну порогову оцінку ризику, яка ділить позичальників на тих, кому можна видавати кредит, і тих, кому видача кредиту є ризиковою.
У чому сенс і секрет скорингу? Вердикт – видавати кредит чи ні – основується на оцінці кредитоспроможності позичальника, яка складається з кредитних правил (дають банку можливість обрати своїх цільових клієнтів за конкретним віком, зарплатнею, стажем тощо); оцінки платоспроможності (наявність необхідного рівня доходів для погашення кредиту); кредитного скорингу (автоматична бальна система оцінки бажання потенційного позичальника виплачувати кредит).
Банк порівнює отриманий в рамках скорингу показник з кількісним порогом – своєрідною межею беззбитковості. Розраховувати на кредит може людина з показником, що переважає цю межу. Сенс скорингової системи полягає у припущенні банку, що люди зі схожими характеристиками мають однакову поведінку у контексті кредитної добросовісності. Банк вважатиме, що люди з рисами, що притаманні реальним недисциплінованим позичальникам, також є клієнтами з поганою платіжною дисципліною.
На переконання Володимира Довгаля, ключове значення у роботі скорингових моделей, які визначають благонадійність позичальника, має набір даних – обсяг та якість інформації про клієнта, тоді як методика їх обробки, хоч і вкрай важлива, та все ж другорядна. Також СЕО CreditPlus підкреслює, що під час скорингу використовуються дані з бюро кредитних історій; дані, отримані під час ідентифікації та верифікації клієнта; дані, зібрані безпосередньо із пристрою клієнта та його інтернет-браузера, отримані від мобільних операторів та платіжних сервісів. А для скорингу клієнтів, з якими вже є досвід співпраці, дуже важливим є те, як вони користувалися продуктами у минулому.
У свою чергу, Голова правління банку КОНКОРД Юрій Задоя підкреслює, що скоринг у класичному розумінні – це суто математична модель, яка «передбачає» настання якось події з певної ймовірністю. Для кожної фінансової установи буде своя специфіка даних та показників, що вкладається у модель. Тому працююча модель для однієї установи може не працювати в іншій. Для кредитного скорингу традиційно важливим параметром є наявність поточної проблемної заборгованості. Основна задача оцінки кредитного клієнта – це з’ясувати та інтерпретувати як в цього клієнта з платіжною дисципліною в минулому, поточному та майбутньому часі.
«Скорингова система визначає благонадійність позичальника, використовуючи і суто математичні алгоритми (логістична регресія, ART-сегментація, random forest, тощо), і перевірку у базах та бюро кредитних історій, верифікацію анкетних даних, активність в соціальних мережах, перевірку на ознаки шахрайських дій», – розповідає Юрій Задоя.
ЧИТАЙТЕ ТАКОЖ: НБУ бореться з міскодингом: опубліковано нові вимоги здійснення платіжних операцій
Як працює скорингова система у банках? Усі клієнти банку заповнюють анкети, де детально вказують різноманітні особисті дані та дані про своїх родичів і навіть роботодавців.
Іноді, щоб отримати кредит, потенційний позичальник має чекати, доки банк перевірить доходи, кредитну історію та родинні зв’язки його роботодавця: власника, директора (топ-менеджерів), головного бухгалтера компанії. Банк максимально ретельно перевіряє ці дані та нарешті підсумовує бали клієнта. Гранично допустима величина «дозвільного» балу залежить від серйозності кредитного продукту: споживчий кредит, іпотечний кредит, кредитна картка.
Фото: https://www.sincor.org.br/
В рамках скорингу шахрайства система шукає невідповідності та/або збіги, які можуть викликати підозру. Скрупульозно перевіряються бази даних, бюро кредитних історій та інформацію з відкритого доступу. Система гарантовано зреагує, якщо у кредитній заявці вказано робочий номер телефону, який в інших заявках був заявлений як домашній – це виглядає підозрілим. До того ж вона зафіксує, що заявник зареєстрований за адресою, яка є місцем проживання особи з «чорного списку» банку або якщо у родині є людина з кримінальним минулим.
Чому гарантовано відмовляють у кредиті? Окрім нарахування балів клієнтові, скорингова система вміє визначати stop-фактори, котрі абсолютно точно заблокують погодження позики. Це може бути, приміром, занадто молодий або поважний вік потенційного позичальника; робота у компанії, яка має репутаційну тінь; дані паспорта, який числиться вкраденим; номер телефону, який збігається (крім однієї або кількох цифр) з номерами шахраїв з чорного списку.
ЧИТАЙТЕ ТАКОЖ: У ПриватБанку обіцяють на третину розширити програми корпоративного кредитування у 2023 році
Сильні і вразливі місця скорингу. Скорингова модель у кожному банку різна, але у неї є одна спільна риса – абсолютно секретність. Фінустанови оберігають цю таємницю так старанно, що ніколи не повідомляють клієнтам причину відмови у кредиті.
Незважаючи на прогресивність скорингу і його здатність знаходити, обробляти та аналізувати колосальні масиви інформації, він все ж має специфічні нюанси, які можна назвати недоліками: а) система може сприйняти помилку у номерах телефонів, адресах чи іменах, вказаних у заяві чи анкеті, як неправдиві дані; б) особа, яка навіть віддалено за кількома ознаками буде близькою до групи осіб з або кредитною історією, не отримає кредиту.
До переваг скоринг-системи можна віднести: а) виявлення потенційних неплатників і шахраїв набагато ефективніше і швидше, ніж жива людина; б) економія часу працівників банку; в) неупередженість, відсутність суб’єктивізму та оціночності рішень, що убезпечує банк від потенційних неплатників.
ЧИТАЙТЕ ТАКОЖ: Немає кредитора – списано кредит? Що робити позичальникам мікрофінансових компаній, чиї ліцензії відкликано
Як змінився скоринг українських банків під час війни
Маючи базу даних усіх кредитів, фінансова установа, використовуючи статистичні інструменти, виявляє фактори, що впливають на здатність і бажання клієнта повернути борг. Під час війни українські фінустанови, які видають кредити, підлаштовують скоринг під нові виклики.
Володимир Довгаль, СЕО CreditPlus, зазначає, що з початку повномасштабної війни скоринг певним чином змінився, тоді як його сутність залишилася незмінною.
«Скоринг є багаторівневою методикою визначення рівня кредитоспроможності клієнта, який складається з набору кредитних правил та математичних моделей, задачею яких є якомога точніше визначити ймовірність дефолту клієнта. Математичні моделі можуть бути побудовані із використанням різних методів та періодично адаптуються під умови ринку з метою підвищення їх точності. Абсолютно статичних моделей не може бути. Тому з точки зору самої методики суттєвих змін не відбулося. А от з точки зору використання математичних моделей – звичайно зміни були. У перші місяці після початку повномасштабної агресії фактично ніхто з кредиторів не надавав кредити, а багато позичальників взагалі не вносили платежі. Така поведінка була і з боку кредиторів, і з боку позичальників. Ринок мікредитування почав поступово відновлюватися лише на початку травня 2022 року. Вимоги до позичальників були дуже жорсткими, тож скорингові моделі були налаштовані на відбір максимально хороших клієнтів», – розповідає Володимир Довгаль.
Голова правління банку КОНКОРД Юрій Задоя також вказує на те, що скоринг за останні рік змінився, адже через катастрофічний вплив повномасштабної війни клієнти фінансових установ змінили свою базову поведінку.
«Для кредитного скорингу випадки дефолтів стали масовими у високому скоринговому балі. Для лід-скорингу – реакції клієнтів не відповідають моделі. Це відбулося через те, що математичні моделі будувалися та навчалися на паттернах поведінки клієнтів ще задовго до початку повномасштабного вторгнення. Основні зміни, які відбулися на початку війни, – це повна недовіра до моделей і закриття кредитування та використання будь-яких прогностичних моделей. Наразі триває «перенавчання» моделей для більш зваженого рейтингування клієнтів, деякі фінансові установи уже поновили кредитування, хоча їхні рішення вже не спираються на моделі, наразі це симбіоз математики, експертизи та ризику», – каже Голова правління банку КОНКОРД.
Володимир Довгаль з CreditPlus підкреслює, що українські фінансові установи активно впроваджують сучасні технології під час скорингу: «Це технології штучного інтелекту, які використовуються у різних напрямках – від скорингу до розпізнавання голосу. Маючи досвід роботи і в банках і у фінкомпаніях, можу сказати що лідери ринку мікрокредитування мають системи ухвалення кредитного рішення дуже високого рівня».
Юрий Задоя також розповідає, що українські фінансові установи використовують технології штучного інтелекту під час скорингу.
«Це відбулося ще до появи у нашому лексиконі словосполучення «штучний інтелект». Що потужнішою є фінансова установа і що більше у неї клієнтів-фізичних осіб, то складніші моделі машинного навчання використовуються. Це можуть бути такі алгоритми як нейроні мережи, градієнтний бустінг, згаданий раніше random forest, регресійні моделі тощо. Для невеликих груп клієнтів (приміром, у корпоративному кредитуванні) використовується експертний скоринг, що не заснований на складних математичних алгоритмах», – резюмує Голова правління банку КОНКОРД.
ЧИТАЙТЕ ТАКОЖ: Як штучний інтелект застосовується в інвестиційній сфері — аналітика
Тренди використання штучного інтелекту у скорингу банків
Ризик-менеджери та служби безпеки великих і малих банків й небанківських фінансових установ невпинно оновлюють правила перевірок потенційних позичальників. Є чорні списки недобросовісних позичальників, і характерні риси цих людей, і база прострочених кредитів. У формуванні цих рис та списків допомагає штучний інтелект. Його алгоритми здатні неабияк полегшити життя установах фінансової галузі.
ШІ-платформи автоматизують банківський скоринг: збирають, досліджують, аналізують, помічають непомітне, роблять висновки – подекуди неочевидні, але дуже важливі.
З 2015 року в Україні існує компанія RiskTools, заснована Денисом Зікєєвим, котра є скоринг-провайдером, що надає послуги з управління ризиком для дистанційного кредитування фізичних осіб. Завдяки високому ступеню автоматизації участь людини у процесі оцінки якості клієнта мінімізовано. Алгоритм імітує хід думок бізнес-аналітика та може аналізувати величезну кількість змінних. Це – класний приклад впровадження ШІ у скоринг-систему.
Фото: https://pixabay.com/
ЧИТАЙТЕ ТАКОЖ: Велика чистка фінансового ринку? Як і чому НБУ позбавляє ліцензій мікрофінансові організації
Сучасні скоринг-системи, які впроваджені у фінансових установ по всьому світу, вивчають клієнтів саме завдяки штучному інтелекту та технологіям машинного навчання. Швидко і ретельно вони проводить глибокий аналіз сторінок потенційних клієнтів у соцмережах, їхні коментарі та відгуки в інтернеті, моніторять рух грошей на їхніх рахунках, перевіряють, наскільки коректно і вчасно особа оплачує різні послуги. Йдеться про такі компанії:
Американська компанія ZestFinance працює з платформою ZAML, що збирає та аналізує дані про клієнта фінансової установи, моніторячи та досліджуючи його дії в Інтернеті. Так алгоритм, що використовує машинне навчання, визначає, чи заслуговує особа на довіру установи і чи може стати реальним позичальником.
Гонконгська скоринг-платформа Lenddo для оцінки кредитоспроможності вивчає клієнтські профілі у соціальних мережах, а й сторінки їхніх друзів (реальних та віртуальних). Так само перевіряють позичальників банки на Філіппінах, у Кенії, Австралії, Індонезії, Таїланді.
Машинне навчання і алгоритми глибокого навчання для скорингу позичальників і визначення ризику надання кредитів використовують такі компанії: американський фінансовий конгломерат JP Morgan Chase, що займається інвестиційним та комерційним банкінгом, наданням послуг малому бізнесу та управлінням активами; банківська холдингова компанія Wells Fargo, яка надає фінансові і страхові послуги; американський банківський холдинг Capital One, що спеціалізується на кредитних картках і автокредитах; американська фінансова компанія American Express, що входить у двадцятку найбільших банків США; австралійський розробник програмного забезпечення, направленого на ухвалення обґрунтованих рішень FICO; американська онлайн-платформа для кредитування LendingClub.
ЧИТАЙТЕ ТАКОЖ:
Курс на цифровізацію: сценарій розвитку сфери банківського обслуговування
Кабмін змінив норми кредитування у рамках держпрограми «5-7-9»
Іпотечне кредитування сьогодні здійснюється лише за держпрограмами – Нацбанк
Telegram
Viber