Кредитный скоринг: как финансовые учреждения определяют, можно ли нам дать в долг
05.10.2021
Источник:
PAYSPACE MAGAZINE
Наряду с традиционными, финансовые учреждения пользуются и альтернативными источниками данных, которые помогают определить надежность заемщика
Выдавая кредит, банки или финансовые компании рискуют не вернуть свои средства. Чтобы принять правильное решение — дать в долг или отказать в кредите — в мире используют кредитный скоринг. Это математическая или статистическая модель, с помощью которой кредитор определяет вероятность того, что заемщик вернет кредит в срок. Скоринг предусматривает присвоение баллов — чем он выше, тем ниже риск. Банки и МФО используют как собственные системы оценки, так и данные, рассчитанные бюро кредитных историй. Модели кредитного скоринга могут несколько отличаться по способу оценки кредита. Система Fair Isaac Corporation, известная как балл FICO — наиболее используемая в финансовой индустрии. Еще одна популярная модель кредитного скоринга — VantageScore — создана тремя ведущими агентствами по кредитной отчетности: TransUnion, Experian и Equifax.2. Большинство моделей скоринга учитывают следующие данные:
Некоторые специалисты критикуют кредитный скоринг за неспособность четко учитывать текущие экономические условия. Если, например, заемщик А имеет кредитный рейтинг 800, а экономика вступает в рецессию, то кредитный рейтинг заемщика А будет статичным, пока не изменится его поведение или финансовое положение. FICO попыталась устранить этот недостаток, введя Индекс устойчивости FICO в апреле 2020 года. Достижения в таких областях, как машинное обучение, а также другие удобные для аналитики компьютерные языки, помогают совершенствовать точность моделирования кредитных рисков.
Альтернативные источники скоринга
С развитием финтеха появилось множество альтернативных источников скоринга. Альтернативные источники могут включать данные о транзакциях, из мобильных и других устройств, социальных медиа, поведенческие факторы и тому подобное. Например, подробные транзакционные данные могут охватывать поведение при проведении расчетов с учетной записи (например, по кредитной карте), а также данные электронной коммерции. Социальные медиа тоже могут помочь понять надежность заемщика. Некоторые исследования показали, что количество публикаций и их частота дают представление об образе жизни, расходах и готовности вернуть долг. Другим полезным источником кредитного скоринга является анализ истории платежей за коммунальные услуги. Поведенческие факторы анализируют, как человек заполняет анкету, как двигает ползунок, продолжительность действий. Логика в тому, что если заемщик много времени тратит на изучение информации, это свидетельствует о серьезных намерениях вернуть деньги.
Например, немецкий сервис кредитования Bintbond требует доступ к нескольким профилям — PayPal, Amazon, кабинету онлайн-банка. В основе скоринговой модели американской компании Branch — данные, полученные с мобильных телефонов — история звонков, список контактов, SMS-логины.
FICO предлагает два альтернативных продукта оценки данных — FICO Score XD, который использует в частности данные об оплате телефонов и телевизионных счетов, и UltraFICO Score, который применяет информацию о депозитном счете. Дэвид Шелленбергер, вице-президент по оценке и прогнозной аналитики FICO, уверяет: такие данные, как оплата счетов за коммунальные услуги, телефон и телевидение или информация о депозитном счете, позволяют «набрать миллионы потребителей и помочь им получить первый кредит».
Выдавая кредит, банки или финансовые компании рискуют не вернуть свои средства. Чтобы принять правильное решение — дать в долг или отказать в кредите — в мире используют кредитный скоринг. Это математическая или статистическая модель, с помощью которой кредитор определяет вероятность того, что заемщик вернет кредит в срок. Скоринг предусматривает присвоение баллов — чем он выше, тем ниже риск. Банки и МФО используют как собственные системы оценки, так и данные, рассчитанные бюро кредитных историй. Модели кредитного скоринга могут несколько отличаться по способу оценки кредита. Система Fair Isaac Corporation, известная как балл FICO — наиболее используемая в финансовой индустрии. Еще одна популярная модель кредитного скоринга — VantageScore — создана тремя ведущими агентствами по кредитной отчетности: TransUnion, Experian и Equifax.2. Большинство моделей скоринга учитывают следующие данные:
- вовремя ли потенциальный заемщик погашает кредит? Если счета оплачиваются с опозданием, претендент когда-то объявлял о банкротстве, это, скорее всего, негативно скажется на перспективе получить ссуду;
- был достигнут максимум? Многие системы сравнивают сумму непогашенной задолженности с кредитными лимитами. Если сумма долга близка к кредитному лимиту, это увеличивает шансы услышать отказ от кредитора;
- как давно у потенциального заемщика кредит? Как правило, системы оценки учитывают кредитный опыт заемщика. Короткая кредитная история может нанести вред, но своевременная оплата счетов может это компенсировать;
- подавали ли в последнее время документы на новый кредит? Если клиент банка недавно подал заявку на много новых займов, это снижает его перспективы получить новый;
- сколько открытых кредитных счетов и какие они? Хотя в целом считается плюсом иметь открытые кредитные счета, однако слишком много кредитных карточек может снизить шансы на согласование кредита.
Некоторые специалисты критикуют кредитный скоринг за неспособность четко учитывать текущие экономические условия. Если, например, заемщик А имеет кредитный рейтинг 800, а экономика вступает в рецессию, то кредитный рейтинг заемщика А будет статичным, пока не изменится его поведение или финансовое положение. FICO попыталась устранить этот недостаток, введя Индекс устойчивости FICO в апреле 2020 года. Достижения в таких областях, как машинное обучение, а также другие удобные для аналитики компьютерные языки, помогают совершенствовать точность моделирования кредитных рисков.
Альтернативные источники скоринга
С развитием финтеха появилось множество альтернативных источников скоринга. Альтернативные источники могут включать данные о транзакциях, из мобильных и других устройств, социальных медиа, поведенческие факторы и тому подобное. Например, подробные транзакционные данные могут охватывать поведение при проведении расчетов с учетной записи (например, по кредитной карте), а также данные электронной коммерции. Социальные медиа тоже могут помочь понять надежность заемщика. Некоторые исследования показали, что количество публикаций и их частота дают представление об образе жизни, расходах и готовности вернуть долг. Другим полезным источником кредитного скоринга является анализ истории платежей за коммунальные услуги. Поведенческие факторы анализируют, как человек заполняет анкету, как двигает ползунок, продолжительность действий. Логика в тому, что если заемщик много времени тратит на изучение информации, это свидетельствует о серьезных намерениях вернуть деньги.
Например, немецкий сервис кредитования Bintbond требует доступ к нескольким профилям — PayPal, Amazon, кабинету онлайн-банка. В основе скоринговой модели американской компании Branch — данные, полученные с мобильных телефонов — история звонков, список контактов, SMS-логины.
FICO предлагает два альтернативных продукта оценки данных — FICO Score XD, который использует в частности данные об оплате телефонов и телевизионных счетов, и UltraFICO Score, который применяет информацию о депозитном счете. Дэвид Шелленбергер, вице-президент по оценке и прогнозной аналитики FICO, уверяет: такие данные, как оплата счетов за коммунальные услуги, телефон и телевидение или информация о депозитном счете, позволяют «набрать миллионы потребителей и помочь им получить первый кредит».