Скоринг будущего: Как украинские финансовые компании определяют надежность клиентов, и какие технологии помогут улучшить результат

Кредитный скоринг, в основу которого положены новейшие технологии, сегодня незаменимы

Фото: https://pixabay.com

Сейчас, в период великой войны, затронувшей все без исключения сферы общественной, политической и финансовой жизни страны, банки и другие финансовые учреждения несколько скорректировали правила, по которым работают. Некоторые из них изменили и принципы, по которым функционирует – автоматическая оценка платежеспособности и порядочности заемщика. Иногда даже люди с образцовой кредитной историей и достаточно высокими доходами могут получить от банка отказ в ссуде. Но почему?

Далее рассказываем о том, как украинские финансовые компании проводят скоринг с помощью искусственного интеллекта во время полномасштабной войны, и почему такой опыт так важен для Украины.

Что такое скоринговая система в финансовых учреждениях

Особенности скоринга. Скоринговая система, существующая в каждом финансовом учреждении, определяет надежность и добросовестность потенциального заемщика. Собственно, скоринг – это математическая модель, которая позволяет, основываясь на кредитных историях ряда клиентов, определить вероятность того, что потенциальный заемщик вернет кредит вовремя. Скоринговая модель основывается на социальных и демографических характеристиках потенциального заемщика – возраст, пол, семейное положение, образование, должность, стаж работы, зарплата, количество детей и людей на иждивении, кредитная история (у скоринговой модели до 25 параметров).

Владимир Довгаль, СЕО CreditPlus, отмечает, что задача скоринговой модели — определение вероятности дефолта по конкретному клиенту: «Однако процесс принятия кредитных решений не ограничивается только скорингом. Также на решение об установлении деловых отношений с клиентом (заключение договора) оказывают непосредственное влияние процессы финансового мониторинга: идентификация и верификация. Компания не может установить отношения с клиентами, не прошедшими соответствующие процедуры в соответствии с законодательством».

Виды скоринга. Существует application-скоринг – оценка кредитоспособности заемщиков для получения кредита и fraud-скоринг – оценка вероятности мошенничества заемщика. Каждый из этих типов использует особый перечень факторов, характеризующих заемщика, и получают уникальную пороговую оценку риска, делящую заемщиков на тех, кому можно выдавать кредит, и тех, кому выдача кредита будет риском.

В чем смысл и секрет скоринга? Вердикт – выдавать кредит или нет – основывается на оценке кредитоспособности заемщика, состоящей из кредитных правил (дают банку возможность выбрать своих целевых клиентов по конкретному возрасту, зарплате, стажем и т.п.); оценки платежеспособности (наличие необходимого уровня доходов для погашения кредита); кредитного скоринга (автоматическая бальная система оценки желания потенциального заемщика выплачивать кредит).

Банк сравнивает полученный в рамках скоринга показатель с количественным порогом – своеобразным пределом безубыточности. Рассчитывать на кредит может человек с показателем, превосходящим этот предел. Смысл скоринговой системы состоит в предположении банка, что у людей со схожими характеристиками одинаковое поведение в контексте кредитной добросовестности. Банк считает, что люди с чертами, присущими реальным недисциплинированным заемщикам, это клиенты с плохой платежной дисциплиной.

По убеждению Владимира Довгаля, ключевое значение в работе скоринговых моделей, определяющих благонадежность заемщика, имеет набор данных – объем и качество информации о клиенте, в то время как методика их обработки, хотя и крайне важна, но все же второстепенна. Также СЕО CreditPlus подчеркивает, что при скоринге используются данные из бюро кредитных историй; данные, полученные при идентификации и верификации клиента; данные, собранные непосредственно с устройства клиента и его Интернет-браузера, полученные от мобильных операторов и платежных сервисов. А для скоринга клиентов, с которыми уже есть опыт сотрудничества, очень важно то, как они пользовались продуктами в прошлом.

В свою очередь, Глава правления банка КОНКОРД Юрий Задоя подчеркивает, что скоринг в классическом понимании – это чисто математическая модель, которая «предусматривает» наступление какого-то события с определенной вероятностью. Для каждого финансового учреждения будет своя специфика вкладываемых в модель данных и показателей. Поэтому работающая модель для одного учреждения может не работать в другом. Для кредитного скоринга обычно важным параметром является наличие текущей проблемной задолженности. Основная задача оценки кредитного клиента – выяснить и интерпретировать как у этого клиента с платежной дисциплиной в прошлом, настоящем и будущем времени.

«Скоринговая система определяет благонадежность заемщика, используя и чисто математические алгоритмы (логистическая регрессия, ART-сегментация, random forest, и т.п.), и проверку в базах и бюро кредитных историй, верификацию анкетных данных, активность в социальных сетях, проверку на признаки мошеннических действий», — рассказывает Юрий Задоя.

ЧИТАЙТЕ ТАКЖЕ: НБУ борется с мискодингом: опубликованы новые требования осуществления платежных операций

Как работает скоринговая система в банках? Все клиенты банка заполняют анкеты, где подробно указывают различные личные данные и данные о своих родственниках и даже работодателях. 

Иногда, чтобы получить кредит, потенциальный заемщик должен ждать, пока банк проверит доходы, кредитную историю и родственные связи его работодателя: владельца, директора (топ-менеджеров), главного бухгалтера компании. Банк максимально тщательно проверяет эти данные и наконец суммирует баллы клиента. Предельно допустимая величина «разрешительного» балла зависит от серьезности кредитного продукта: потребительский кредит, ипотечный кредит, кредитная карта.

Фото: https://www.sincor .org.br/

В рамках скоринга мошенничества система ищет несоответствия и/или совпадения, которые могут вызвать подозрение. Скрупулезно проверяются базы данных, бюро кредитных историй и информация по открытому доступу. Система гарантированно отреагирует, если в кредитной заявке указан рабочий номер телефона, который в других заявках был заявлен как домашний – это выглядит подозрительным. К тому же она зафиксирует, что заявитель зарегистрирован по адресу, являющемуся местом жительства человека из «черного списка» банка или если в семье есть человек с уголовным прошлым.

Почему гарантированно отказывают в кредите? Кроме начисления баллов клиенту, скоринговая система умеет определять stop-факторы, которые абсолютно точно заблокируют согласование займа. Это может быть, например, слишком молодой или почтенный возраст потенциального заемщика; работа в компании, имеющей репутационную тень; данные паспорта, числящегося украденным; номер совпадающего телефона (кроме одной или нескольких цифр) с номерами мошенников из черного списка.

ЧИТАЙТЕ ТАКЖЕ: В ПриватБанке обещают на треть расширить программы корпоративного кредитования в 2023 году

Сильные и уязвимые места скоринга. Скоринговая модель в каждом банке разная, но у нее есть одна общая черта – абсолютно секретность. Финучреждения оберегают эту тайну так усердно, что никогда не сообщают клиентам причину отказа в кредите.

Несмотря на прогрессивность скоринга и его способность находить, обрабатывать и анализировать колоссальные массивы информации, у него все же есть специфические нюансы, которые можно назвать недостатками: а) система может воспринять ошибку в номерах телефонов, адресах или именах, указанных в заявлении или анкете, как ложные данные; б) человек, который даже удаленно по нескольким признакам будет близок к группе лиц с или кредитной историей, не получит кредита. 

К преимуществам скоринг-системы можно отнести: а) обнаружение потенциальных неплательщиков и мошенников гораздо эффективнее и быстрее, чем живой человек; б) экономия времени работников банка; в) беспристрастность, отсутствие субъективизма и оценочности решений, что предохраняет банк от потенциальных неплательщиков.

ЧИТАЙТЕ ТАКЖЕ: Нет кредитора – списан кредит? Что делать заемщикам микрофинансовых компаний, чьи лицензии отозваны

Как изменился скоринг украинских банков во время войны

Имея базу данных всех кредитов, финансовое учреждение, используя статистические инструменты, выявляет факторы, влияющие на способность и желание клиента вернуть долг. Во время войны украинские финучреждения, выдающие кредиты, подстраивают скоринг под новые вызовы.

Владимир Довгаль, СЕО CreditPlus, отмечает, что с начала полномасштабной войны скоринг определенным образом изменился, тогда как его сущность осталась неизменной.

«Скоринг — это многоуровневая методика определения уровня кредитоспособности клиента, состоящего из набора кредитных правил и математических моделей, задачей которых является как можно точнее определить вероятность дефолта клиента. Математические модели могут быть построены с использованием различных методов и периодически адаптируются под условия рынка с целью повышения их точности. Совершенно статических моделей не может быть. Поэтому с точки зрения самой методики существенных изменений не произошло. А вот с точки зрения использования математических моделей – конечно изменения были. В первые месяцы после начала полномасштабной агрессии фактически никто из кредиторов не предоставлял кредиты, а многие заемщики вообще не вносили платежи. Такое поведение было и со стороны кредиторов, и со стороны заемщиков. Рынок микредитования начал постепенно восстанавливаться только в начале мая 2022 года. Требования к заемщикам были очень жесткими, поэтому скоринговые модели были настроены на отбор максимально хороших клиентов», — рассказывает Владимир Довгаль.

Глава правления банка КОНКОРД Юрий Задоя также говорит, что скоринг за последние год изменился, ведь из-за катастрофического влияния полномасштабной войны клиенты финансовых учреждений изменили свое базовое поведение.

«Для кредитного скоринга случаи дефолтов стали массовыми в высоком скоринговом балле. Для лид-скоринга – реакции клиентов не отвечают модели. Это произошло потому, что математические модели строились и учились на паттернах поведения клиентов еще задолго до начала полномасштабного вторжения. Основные изменения, которые произошли в начале войны, – это полное недоверие к моделям и закрытие кредитования и использование любых прогностических моделей. В настоящее время продолжается «переобучение» моделей для более взвешенного рейтингования клиентов, некоторые финансовые учреждения уже возобновили кредитование, хотя их решения уже не опираются на модели, сейчас это симбиоз математики, экспертизы и риска», – отмечает Глава правления банка КОНКОРД.

Владимир Довгаль из CreditPlus подчеркивает, что украинские финансовые учреждения активно внедряют современные технологии во время скоринга: «Это технологии искусственного интеллекта, которые используются в разных направлениях – от скоринга до распознавания голоса. Имея опыт работы и в банках и в финкомпаниях, могу сказать, что лидеры рынка микрокредитования имеют системы принятия кредитного решения очень высокого уровня».

Юрий Задоя также рассказывают, что украинские финансовые учреждения используют технологии искусственного интеллекта во время скоринга.

«Это произошло еще до появления в нашем лексиконе словосочетания «искусственный интеллект». Чем мощнее финансовое учреждение и чем больше у него клиентов-физических лиц, тем более сложные модели машинного обучения используются. Это могут быть такие алгоритмы как нейронные сети, градиентный бустинг, ранее упомянутый random forest, регрессионные модели и т.д. Для небольших групп клиентов (например, в корпоративном кредитовании) используется экспертный скоринг, не основанный на сложных математических алгоритмах», — резюмирует Глава правления банка КОНКОРД.

ЧИТАЙТЕ ТАКЖЕ: Как искусственный интеллект применяется в инвестиционной сфере — аналитика

Тренды использования искусственного интеллекта в скоринге банков

Риск-менеджеры и службы безопасности крупных и малых банков и небанковских финансовых учреждений постоянно обновляют правила проверок потенциальных заемщиков. Есть черные списки недобросовестных заемщиков, и характерные черты этих людей и база просроченных кредитов. В формировании этих черт и списков помогает искусственный интеллект. Его алгоритмы способны изрядно облегчить жизнь учреждениям финансовой отрасли.

ИИ-платформы автоматизируют банковский скоринг: собирают, исследуют, анализируют, замечают незаметное, делают выводы – порой неочевидные, но очень важные.

С 2015 года в Украине существует компания RiskTools, основанная Денисом Зикеевым, которая стала скоринг-провайдером, предоставляющим услуги по управлению риском для дистанционного кредитования физических лиц. Благодаря высокой степени автоматизации участие человека в процессе оценки качества клиента минимизировано. Алгоритм имитирует ход мнений бизнес-аналитика и может анализировать множество переменных. Это классный пример внедрения ИИ в скоринг-систему.

Фото: https://pixabay.com

ЧИТАЙТЕ ТАКЖЕ: Большая чистка финансового рынка? Как и почему НБУ лишает лицензии микрофинансовые организации

Современные скоринг-системы, внедренные в финансовые учреждения по всему миру, изучают клиентов именно благодаря искусственному интеллекту и технологиям машинного обучения. Быстро и тщательно они производят глубокий анализ страниц потенциальных клиентов в соцсетях, их комментарии и отзывы в интернете, мониторят движение денег на их счетах, проверяют, насколько корректно и вовремя человек оплачивает различные услуги. Речь идет о таких компаниях:

Американская компания ZestFinance работает с платформой ZAML, которая собирает и анализирует данные о клиенте финансового учреждения, мониторя и исследуя его действия в Интернете. Так алгоритм, использующий машинное обучение, определяет, заслуживает ли лицо доверия учреждения и может ли стать реальным заемщиком.

Гонконгская скоринг-платформа Lenddo для оценки кредитоспособности изучает клиентские профили в социальных сетях, но и страницы их друзей (реальных и виртуальных). Так же проверяют заемщиков банки на Филиппинах, в Кении, Австралии, Индонезии, Таиланде.

Машинное обучение и алгоритмы глубокого обучения для скоринга заемщиков и определения риска предоставления кредитов используют следующие компании: американский финансовый конгломерат JP Morgan Chase, который занимается инвестициями и коммерческим банкингом, предоставлением услуг малому бизнесу и управлением активами; банковская холдинговая компания Wells Fargo, которая предоставляет финансовые и страховые услуги; американский банковский холдинг Capital One, который специализируется на кредитных картах и автокредитах; американская финансовая компания American Express, входящая в двадцатку крупнейших банков США; австралийский разработчик программного обеспечения, направленного на принятие обоснованных решений FICO; американская онлайн-платформа для кредитования LendingClub.

ЧИТАЙТЕ ТАКЖЕ:

Курс на цифровизацию: сценарий развития сферы банковского обслуживания

Кабмин изменил нормы кредитования в рамках госпрограммы «5-7-9»

Ипотечное кредитование сегодня осуществляется только по госпрограммам – Нацбанк