Национальные особенности кредитного скоринга

2.3 Разработка скоринговых карт как инструмента оценки уровня риска

В Европе существует большое количество стран, где кредитный скоринг применяется очень успешно, а проблемы мошенничества или отсутствия корректной информации в кредитных бюро или внутренних базах данных банка стоят не менее остро, чем в России.

Кредитный скоринг, как и другие предикативные модели, является инструментом для оценки уровня риска заемщика. Применяя различные статистические и вероятностные подходы, мы назначаем заемщикам скоринговые баллы, разделяя их на «хороших» и «плохих». Эти скоринговые баллы наряду с другими финансовыми характеристиками, такими как ожидаемый уровень выдачи кредитов, прибыль, потери, помогают в конечном итоге принять решение. [14, c.242]

Простейшая скоринговая карта, которая используется при выдаче новых кредитов, состоит из набора характеристик, достаточно значимых со статистической точки зрения, способных разделять данные на «хорошие» и «плохие». Подобный формат карт используется непосредственно в ЗАО «ВТБ24», и имеет следующие обоснования:

l подобное представление баллов легко интерпретировать. Оно соответствует любому регулирующему требованию, обеспечивая необходимую прозрачность;

l причины для отказов, низкий или высокий балл можно легко объяснить, используя стандартные формы отчетности;

l «облегченная» структура скоринговой карты помогает аналитикам выполнить свои функции, не имея глубоких знаний в области статистики или программирования. Это делает скоринговую карту эффективным инструментом для управления рисками.

Скоринговые модели в бизнес-контексте - это инструмент принятия разнообразных кредитных решений, элемент общей стратегии розничного банка. Скоринговые модели в потребительском кредитовании используются на различных этапах работы с клиентом, начиная с получения первой заявки от заемщиков, через организацию работы с текущими заемщиками, и заканчивая прогнозированием возможного уровня потерь в кредитном портфеле и созданием необходимых резервов.

Итак, имея некоторую кредитную историю собственных заемщиков, ВТБ24 создает собственные скоринговые карты, с помощью которых будет оптимизирована работа розничного бизнес-подразделения, а значит, увеличена эффективность всего кредитного портфеля Банка. Процесс разработки и внедрения скоринговых карт, а так же его неотъемлемые компоненты, необходимые для успешного внедрения проекта в Банке, обобщены и приведены в таблице 1.

Таблица 1 - Этапы построения и внедрения скоринговой карты

	Подготовка проекта	Работа с данными	Техническое внедрение
Этапы	Постановка задачи; определение приоритетов; планирование проекта; формирование команды; оценка ИТ-систем	Сбор данных; очистка данных; анализ данных; применение аналитических методов; построение скоринговых карт; валидация карт	Доработка программного обеспечения; внедрение стратегии в программное обеспечение
Минимальное время	2 недели	6 недель	4 недели
Необходимые человеческие ресурсы	Руководитель проекта	Руководитель проекта Разработчик скоринговой карты и специалисты по обработке данных	Руководитель проекта; ИТ-менеджер
Технические ресурсы	-	Программное обеспечение для проведения аналитического исследования и построения карт	Фронт-офисное решение для скоринга новых заявок, или коллекторское ПО, или CRM-системы для работы с существующими клиентами банка

Процесс построения скоринговой карты - это синтез информационных технологий (IT) и статистического исследования данных. Только подобная комбинация в сочетании с аналитикой и пониманием бизнес-задач может гарантировать успешный результат. В отличие от уже готовой карты самостоятельно построенная банком скоринговая карта - это не «черный ящик». Опыт показал, что если формирование скоринговых баллов происходит изолированно, то это может привести к различным проблемам наподобие включения характеристик, данные по которым больше не собираются или являются недостаточно достоверными и которые в результате приводят к всевозможным «сюрпризам», а зачастую просто неприменимы. Поскольку процесс построения скоринговой карты комплексный, то на разных стадиях, соответственно, задействованы разные специалисты. Успешное завершение проекта возможно лишь при условии, что есть четкое понимание, какие ресурсы необходимы, и обеспечение наличия этих ресурсов в нужный момент в нужном месте. [21, c.138]

Построение скоринговой карты в ЗАО «ВТБ24» включает в себя следующие этапы:

1 Этап: Анализ ситуации. Создание бизнес-плана и выбор стратегии

Существует ошибочное мнение, что разработка скоринговой карты начинается со сбора данных. Это в корне неверно. Прежде всего, необходимо идентифицировать цели проекта и соответствующий состав участников проекта.

Идентификация цели помогает расположить задачи по степени их важности: например, увеличение дохода - уменьшение потерь. Это повышает жизнеспособность проекта, устраняя возникновение сюрпризов, когда, например, банк неожиданно принимает решение об уменьшении балла отсечения с целью выдачи большего количества кредитов или об увеличении того же балла с целью сокращения потерь. Таким образом, цель должна быть определена заранее, что поможет избежать проблем в будущем, будь то:

l сокращение процента задолженности/мошенничества;

l увеличение количества выдаваемых кредитов;

l увеличение доходности;

l увеличение операционной эффективности (например, чтобы лучше управлять технологическим процессом);

l уменьшение расходов или увеличение скорости оборота капитала путем автоматизации;

l улучшение прогнозной силы модели (по сравнению с существующей).

В конечном итоге цель также влияет на процесс валидации и внедрения построенной скоринговой карты, определяя «лучшую» скоринговую карту из имеющихся в наличии. Как правило, на практике приходится сталкиваться сразу с несколькими целями из тех, что были перечислены выше.

Бизнес-план определяет, какие скоринговые карты будут использоваться в проекте, внутренние (построенные в процессе проекта) или внешние (готовые), и обосновывает этот выбор. Готовые карты используются не только тогда, когда в банке нет достаточной кредитной истории. Подобное решение может быть также вызвано отсутствием определенных ресурсов, необходимых для проекта, или отсутствием опыта построения скоринговой карты для специфического продукта, сжатыми сроками по времени или стоимостью внутренней разработки.

Готовые карты бывают также полезны, когда компания предлагает новый продукт, по которому еще не имеется никаких данных в прошлом, но существуют данные по отрасли; когда объем продаж того или иного продукта не покрывает стоимости построения скоринговой карты.

Бывают также случаи, когда статистически невозможно использовать скоринговые карты, ни внутренние, ни внешние. Это происходит обычно из-за очень низких объемов продаж, которые не оправдывают затраты, связанные с любой скоринговой картой. Встречаются также продукты, для которых не существуют готовые скоринговые модели. При таких обстоятельствах модель строится на базе так называемого экспертного мнения.

Развитие такой модели также включает в себя селективный отбор характеристик, обладающих (предположительно) хорошей прогнозной силой, и назначение баллов по каждому признаку, как это происходит со статистическими моделями. Однако внедрение подобной модели производится на основе коллективного опыта, а получающаяся модель отражает проводимую банком политику. В любом случае формирование таких субъективных моделей должно происходить при участии департаментов маркетинга, управления рисками и других соответствующих структур.

2 Этап: Наличие и сбор данных

По времени это наиболее длительный этап, требующий привлечения большого количества ресурсов. На этом этапе определяется, насколько выполним проект по формированию скоринговой карты, а также его основные параметры. Параметры включают в себя исключения, определение цели, выборку и «окна созревания». Оценивается пригодность данных: их качество и количество. Для построения скоринговой карты необходимы надежные и чистые данные с минимальным числом отсутствующих значений, повторных записей и т.п. Этот процесс можно сделать более эффективным, если данные размещать в специальных хранилищах или витринах данных.

Очевидно, что для решения различных скоринговых задач разработчиками скоринговых карт используются различные данные. Как правило, характеристики для скоринговой карты могут быть выбраны как из одного, так и из нескольких источников данных. Суммируя описание данных, которые могут быть использованы для построения различных скоринговых моделей, можно сказать, что данные всегда разделены на две части: в первой - все переменные, которые используются для предсказания того или иного события (например, дефолта), во второй - переменная, характеризующая наступление того или иного события.

Количество необходимых данных может быть разным, но в целом оно должно удовлетворять требованиям статистической значимости и хаотичности. На этом этапе точное количество данных не имеет значения, так как это зависит от определения «плохого» заемщика, которое будет установлено на следующем этапе. Однако по правилам для корректного построения скоринговой карты претендента достаточно приблизительно 2 тыс. «плохих» записей и 2 тыс. «хороших», которые могут быть случайно выбраны для каждой скоринговой карты из набора заемщиков, получивших кредит в течение определенного интервала времени. Для поведенческих скоринговых карт это будет уже другой набор данных, отражающий «платежное» поведение клиента, а для скоринговых карт должников используются записи со статусом просрочки платежа. Данные об отказах (2 тыс. записей) также могут применяться для построения скоринговой карты. Количество заявлений и отчеты по потерям/просрочкам платежей дают первоначальную идею относительно цели и степени ее достижения. На практике труднее найти достаточное количество «плохих» записей, чем «хороших».

Проектная команда также должна определить, насколько «надежны» внутренние данные, предназначенные для разработки скоринговой карты. Демографические данные, а также неподтвержденные публичные данные, например доход, указанный самим заемщиком, могут оказаться искаженными, в то время как данные кредитного агентства, сведения о регистрации недвижимого имущества, финансовая отчетность и т.д. являются более достоверными и реально могут использоваться. Если решено, например, что данные о заемщиках, предоставленные филиалами, ненадежны, то скоринговая карта может быть построена исключительно на данных кредитного бюро.

Банк решает самостоятельно - разработать скоринговую карту на основе только внутренних данных или добавить к этим данным еще и внешние источники, такие как кредитные бюро и внешние информационные провайдеры. Предпочтительно иметь эти данные в электронном виде, хотя в российской банковской практике, к сожалению, до сих пор практикуется «бумажный» вариант анкет заемщика, которые буквально вручную приходится вносить в компьютер. Естественно, это требует дополнительных ресурсов и задерживает процесс разработки. При этом любопытен тот факт, что региональные отделения в этом вопросе зачастую оказываются более «подкованными» и «продвинутыми» по сравнению с центром.

Определившись с типом данных, следует переходить к непосредственному их сбору. Собирать их необходимо в строго определенном формате, отражающем параметры проекта разработки скоринговой карты.

Проектные параметры прежде всего включают в себя определение «хороших» и «плохих» заемщиков, временной горизонт и ограничения (исключения) в использовании определенных данных при создании выборки и непосредственно в процессе разработки карты.

Есть поля, обязательные к заполнению, а есть опционные. В первую очередь нас интересуют следующие поля, извлеченные из данных:

l номер клиента/идентификационный номер;

l дата обращения/получения кредита;

l демографические характеристики заемщика;

l история задолженности в течение жизни скоринговой карты;

l индикатор заявки заемщика - Одобрить/Отказать;

l продукт (тип кредита);

l текущий статус заемщика (например, нет операций по счету/счет закрыт/потеря пластиковой карты/мошенничество и т.д.)

При разработке скоринговой карты поведения заемщика учитывается вся информация на протяжении определенного временного интервала, обычно за последние 6 - 12 месяцев.

В зависимости от бизнес-целей карты в нее могут добавляться всевозможные другие данные, в том числе демографические: возраст, регион, время проведения определенных акций, индикаторы на основе данных бюро и любые другие критерии, которые могут оказаться полезными при создании всестороннего профиля клиентской базы вашего банка.

Данные формируются в структуре, соответствующей задаче проекта. Например, эти банковские данные могут быть размещены с многократными строками для каждой комбинации продукта/учетной записи или с отдельной строкой для каждой учетной записи и многократных столбцов для каждого продукта.

Подготовка данных занимает 90% ресурсов проекта. В принципе, процесс моделирования мог бы принести гораздо большую выгоду, но после изнурительной фазы подготовки данных времени, чтобы провести очистку моделей предсказания, как правило, просто не остается.

Угроза срыва проекта кроется на стадии подготовки данных, когда они идентифицируются, трансформируются и собираются из различных источников, преобразуются и объединяются. Во многих случаях получение данных занимает столько времени, что на выполнение других задач, в том числе и анализа данных, его уже практически не хватает.

3 Этап: Качество и очистка данных. Определение параметров проекта. Период «созревания».

Скоринговые карты строятся исходя из предположения о том, что «прошлое отражает будущее». Таким образом, базируясь на данных об открытых ранее кредитах и анализируя имеющуюся информацию, можно предсказать результат (поведение) будущих заемщиков. Для того чтобы корректно выполнить этот анализ, нужно собрать необходимые данные за определенный промежуток времени, а затем осуществить их мониторинг в течение другого определенного отрезка времени и оценить, были они хорошими или плохими. Собранные данные (переменные) наряду с соответствующей классификацией (цель: «хороший»/»плохой») составляют основу для разработки скоринговой карты.

Процесс определения временного горизонта может быть представлен следующим образом. Предположим, что очередной кредит был предоставлен 1 февраля 2009 г. В некоторый момент времени в будущем (например, через 90 дней) вы должны будете определить, был ли этот заемщик «хорошим» или «плохим». «Окно созревания» представляет собой тот промежуток времени, когда заемщик, собственно говоря, имел возможность себя проявить (цель: 90+). «Окно выборки» представляет собой тот промежуток времени, когда те или иные заемщики отбираются для анализа (попадают в выборку). Рекомендуется также проанализировать, какой период «созревания» является идеальным для того или иного продукта (региона, типа клиента и т.п.). В некоторых случаях, таких как мошенничество и банкротство, временной период уже известен или предопределен. Но, тем не менее, вышеописанный анализ полезно выполнить для того, чтобы определить идеальное «окно созревания».

Самый простой способ определить «окна созревания» и «выборки» состоит в том, чтобы проанализировать портфель на предмет просроченной задолженности и применить различные сценарии «плохих» случаев в течение определенного времени: просрочка более 30,60,90 дней. Хороший источник для подобных данных - ежемесячная или ежеквартальная отчетность, имеющаяся в любом отделе кредитных рисков.

4 Этап: Исключения

Определенные записи о заемщиках должны быть исключены из выборки, используемой для разработки скоринговой карты. В целом набор данных для скоринга должен отражать обычную (нормальную) ситуацию и реальных заемщиков, которые ежедневно обращаются в банк с целью получения кредита. Скоринговые карты, разрабатываемые для определенных целей, например, выявление мошенничества, могут также использовать некоторые дополнительные критерии и, соответственно, особые выборки. Подобные наборы данных специфичны и имеют определенную направленность: это работники самого банка, VIP-клиенты, зарубежные клиенты, «отказники» по кредитам, заемщики с утерянными/похищенными карточками, несовершеннолетние или умершие. Заметим, что некоторые программные разработчики скоринговых карт (например, SAS) сознательно включают данные об «отказниках» для того, чтобы восстановить реальный портрет клиента с улицы. С точки зрения логики это является наилучшим подходом.

Другой способ применения метода исключений состоит в том, что можно рассматривать только определенный сегмент (однородную аудиторию, которая принимается за типичную). Например, если задача состоит в построении скоринговой карты для больших городов, то туда не стоит включать записи о заемщиках, проживающих в сельской местности. Точно так же любой регион в силу своих демографических и географических (климатических) особенностей заслуживает разработки собственной скоринговой карты на основе данных о клиентах исключительно данного региона.

Обычно скоринговая карта включает от пяти до пятнадцати параметров. Что это за параметры и как они оцениваются, узнать постороннему человеку невозможно. Такая конфиденциальность объясняется высокой ценой продукта. Банк или покупает его у компании-разработчика, или же разрабатывает самостоятельно, анализируя собственное «кредитное кладбище», то есть базу данных по невозвращенным кредитам, и пытается найти общее между недобросовестными плательщиками. Во втором случае банку приходится поначалу настежь распахнуть ворота и выдавать деньги лишь на основе документов, подтверждающих платежеспособность заемщика. [25]

Итак, разработка скоринговых карт позволяет во многом облегчит работу банка в части оценки уровня риска, а так же значительно сократить время на обработку кредитной заявки за счет уже имеющихся данных в так называемом «кредитном кладбище».



ГЛАВА 3. ПРОБЛЕМЫ ВНЕДРЕНИЯ СКОРИНГОВОЙ СИСТЕМЫ И ПУТИ ИХ РЕШЕНИЯ

3.1 Основные проблемы при внедрении скоринговых систем

Когда банк задумывается о внедрении системы кредитного скоринга в инфраструктуру, то перед ним возникает ряд проблем, на решении которых приходиться сосредотачиваться как самому банку, так и скоринг-вендору. [11, c.327]

Одна из главных проблем - это отсутствие понимания всей сложности полноценного скорингового решения. Во многих банках до сих пор думают, что анализ данных вполне можно проводить при помощи стандартных средств, как например, Microsoft Office Excel или каких-то разработок собственных IT-отделов. О недостатках Microsoft Office Excel в качестве скорингового решения говорилось выше. Что касается собственных разработок, то опыт показывает что, действительно, крупные банки могут, затратив значительные средства, выстроить минимально приемлемое скоринговое решение. Но в банках, обладающих финансовыми и людскими ресурсами для проведения подобных работ, как правило, понимают, что это решение временное, и рано или поздно, но придется обращаться к профессиональному скоринг-вендору. Поскольку современное решение, отвечающее всем требованиям динамично развивающегося банка, может предоставить только компания, владеющая всей полнотой теоретических и практических знаний кредитного скоринга.

Следующая проблема, о которой пойдет речь, связана с отсутствием необходимых данных для работы системы кредитного скоринга. Аналитические технологии могут успешно работать только тогда, когда есть что анализировать. И дело здесь даже не в том, что в России работа Бюро кредитных историй еще не достаточно эффективна, а в том, что банки просто не успели за время работы собрать достаточное для анализа количество информации. Бывают случаи, когда банки практически не собирают данные, которые необходимы для успешной работы. В таких организациях невозможно ответить на вопросы: кто и какие кредитные продукты покупает чаще всего, что из себя представляет среднестатистический клиент для того или иного вида кредитования и т.п. Разумеется, об ориентации банка на нужды клиента здесь не может быть и речи. Без общей системы сбора данных очень сложно проследить долгосрочные тенденции развития, объяснить, почему падают продажи, выработать оптимальную маркетинговую стратегию и т.д.

Но даже если в банке налажен сбор данных, нередки случаи, что работа с ними все равно представляет проблему для скоринг-вендора. Зачастую данные на разных участках банковской инфраструктуры собираются в совершенно разных форматах. Одновременно могут существовать базы различных типов, например ORACLE, MS SQL, таблицы MS Excel и MS Access, а также базы в формате собственной учетной системы, разработанной программистами банка. Наиболее оптимальный, хотя и дорогостоящий вариант в этом случае - внедрение единого хранилища данных, в котором бы собиралась информация обо всей деятельности банка, а также максимально полная информация о клиентах.

Некоторые банки, считают, что в тех случаях, когда данные собираются уже много лет и разрастаются до значительных объемов это становиться непреодолимой преградой для внедрения системы кредитного скоринга. Однако грамотная интеграция системы позволяет свести эту проблему к минимуму.

Еще одной серьезной проблемой может стать неполное представление данных в базе. В силу непродуманной технологии сбора данных или из-за ее нарушения, данные могут собираться стихийно, бессистемно, фрагментарно. Анализ подобных данных может быть небезопасен, поскольку на основе неверных результатов анализа очень легко принять неверные решения.

Зачастую случается так, что руководство банка принимает стратегическое решение о внедрении системы кредитного скоринга и останавливается на этом, не совсем понимая, что делать дальше.

В первую очередь начинать нужно с осознания того, что такое скоринг. Если банк принял решение активно работать на рынке кредитования физических лиц, то все зависит от уровня информированности сотрудников банка. Поэтому может оказаться целесообразным посещение профильными сотрудниками банка семинаров, посвященным вопросам скоринга. Если это не будет сделано, банку достаточно тяжело будет сформулировать свои требования к скоринговой системе. Немаловажно это и для выбора скоринг-вендора. Необходимо чтобы банк мог четко осознавать, какую именно систему он ставит. И ориентироваться тут исключительно на слова потенциального поставщика системы было бы не слишком разумно.

Формулировка требований к системе - это первая и возможно самая главная стадия процесса внедрения. Требования к скоринговой системе зависят от того, каким образом она будет использоваться. Рассмотрим несколько вариантов.

l Банк собирается регулярно выводить на рынок новые кредитные продукты, тогда на первое место из требований к скоринговой системе выдвигается как гибкость. То есть банк должен иметь возможность быстро и качественно запускать в работу новые кредитные продукты.

l Банк в первую очередь ориентируется на риск-менеджмент, то есть политика банка в большей степени определяется рисками - тогда основные требования к системе будут связаны с отчетностью.

l Банк потратил значительные ресурсы на собственное хранилище данных, фронт-офис или какое-то другое банковское программное обеспечение. Вследствие, этого на первое место выходит возможность легкой интеграции скоринговой системы в уже существующие решения.

l Банк обладает большим количеством отделений, у него подписаны контракты с рядом крупных торговых сетей. Для такого банка самыми важными требованиями будет масштабируемость и производительность системы.

После того как банк определиться с технологическими требованиями к системе, он обязательно должен в этот список вставить цену скорингового решения. Для одних банков цена будет на первом месте в списке требований, для других в середине или в конце. Главное чтобы банк обратил внимание не только на цену самого программного обеспечения, но и на общую лицензионную политику скоринг-вендора. Бывают случаи, что цена самой системы относительно не велика, но дальнейшая поддержка и условия обновления лицензии в итоге могут вылиться в крайне значительные суммы.

Дальнейшие действия банка, решившего внедрить систему кредитного скоринга, могут развиваться по двум направлениям. Банк может самостоятельно выбрать скоринг-вендора или обратиться в консалтинговую фирму, которая проведет полноценный тендер. При всех кажущихся преимуществах второго варианта, он содержит в себе ряд серьезных недостатков.

Консалтинговые фирмы, как правило, не слишком внимательно прислушиваются к требованиям банка, и ориентируются в значительной мере не на качество решения, а на известность бренда, на крупные внедрения и на маркетинговые ходы. В случае возникновения каких-либо проблем с эксплуатацией системы или с политикой скоринг-вендора консалтинговая фирма всегда может сказать, что при проведении тендера был выбран поставщик с безупречной репутацией, а возникшие системы это случайность.

Однако если банк не слишком уверен в своих знаниях, то обратиться к консалтинговой фирме для проведения тендера, может быть не самым худшим решением. Другое дело, если банк обладает грамотными специалистами, способными оценить как систему, так и лицензионную политику скоринг-вендора. В этом случае консалтинговая фирма скорее будет помехой, чем поддержкой. [9, c.78-83]

Перспектива внедрения системы кредитного скоринга в банке, как любое другое нововведение, разделяет всех заинтересованных лиц на две большие группы. Одной группе сотрудников банка кажется, что внедрение необходимо, и все вопросы для нее заключаются лишь в деталях. Зато другая и, надо сказать, зачастую весьма внушительная группа считает, что внедрение скоринговой системы - это что-то невероятно сложное, опасное, дорогое и очень несвоевременное.

Зачастую основным доводом противников внедрения скоринговой системы является тот факт, что процесс кредитного скоринга осуществляется и без нее. Более того, общие результаты такого скоринга внешне кажутся вполне приемлемыми. Так зачем что-то менять?

Для того чтобы разобраться, насколько это сложно и стоит ли что-то менять, следует сравнить типовой подход к скорингу и использование полноценной системы кредитного скоринга (таблица 2).

Таблица 2 - Основные различия типового кредитного скоринга и полноценной системы кредитного скоринга.

Критерий	Типовой подход к скорингу	Система кредитного скоринга
Первичная обработка кредитной заявки	Основывается на экспертных знаниях кредитного специалиста	Основывается на объективной информации из различных источников
Процесс оценки идентичных заявок	Рассмотрение каждой заявки зависит от конкретного кредитного специалиста и субъективных факторов.	Идентичные заявки проходят идентичную процедуру оценки
Легкость восприятия	Уже используется, результаты ожидаемы	Необходимы культурные перемены, готовность сотрудников к нововведениям.
Процесс внедрения	Длительное обучение и тренировка каждого кредитного специалиста. Наработка опыта и интуиции.	Не требует длительного обучения сотрудников. При внедрении необходим контроль со стороны кредитных специалистов высшего звена
Возможность ошибок, злоупотреблений и мошенничества	Ошибки возможны в силу человеческого фактора. Злоупотребления и мошенничество возможны.	Злоупотребления возможны только на уровне высшего звена кредитных специалистов. Ошибки могут быть связаны с некачественными скоринговыми моделями. Мошенничество возможно, однако его вероятность заметно снижается.
Гибкость	При внедрении нового кредитного продукта необходима разработка новых инструкций и обучение персонала. Процесс длительный и мало поддающийся контролю	При внедрении нового кредитного продукта необходимо создание новых скоринговых моделей (или внесение изменений в уже имеющиеся). Процесс полностью контролируемый. Качество вновь созданных моделей может быть проверено без запуска в работу. Дополнительное обучение персонала не требуется.

Стоит заметить, что в основе размышлений некоторой части противников внедрения скоринговой системы кроется опасение, а не заменит ли в недалеком будущем скоринговая система большую часть кредитных специалистов? На самом деле система кредитного скоринга не заменяет, а лишь дополняет работу кредитного специалиста. Это всего лишь инструмент для работы на кредитном рынке.

Кредитный специалист, если он не работает с системой кредитного скоринга, проводя оценку потенциального заемщика, ориентируется в первую очередь на свой опыт, интуицию и соответствующие внутренние инструкции банка. Полноценная скоринговая система ориентируется на формальные статистические законы и, естественно, не обладает интуицией.

Практика использования скоринговых систем показывает, что чем меньше сумма кредита, тем существеннее полномочия в принятии решения выделяются скоринговой системе, а чем больше сумма - тем чаще скоринг используют как фактор «поддержки» в процессе принятия решения. [6]

Таким образом, можно выделить 4 основные проблемы внедрения скоринговой системы:

· Отсутствие понимания всей сложности полноценного скорингового решения;

· Отсутствие необходимых данных для работы системы кредитного скоринга;

· Неполное представление данных в базе;

· Опасения сотрудников, что скоринговая система в будущем может заменить специалистов.

Для решения этих проблем необходимо обладать знаниями теоретических и практических аспектов кредитного скоринга путем взаимодействия с профессиональными скоринг-вендорами, а так же реальной стоимостью системы.

Участие в Бюро кредитных историй позволяет отечественным кредиторам защитить себя от недобросовестной конкуренции и негативного влияния мошенников.

Для полноты представляемых данных в базе необходимо организовать целенаправленный, систематический сбор и анализ данных, что значительно повысит качество информации на выходе.

И, наконец, опасения сотрудников можно преодолеть путем разъяснения им их роли в самой деятельности банка и функций скоринговой системы как фактора «поддержки».

3.2 Совершенствование банком скоринговой системы в условиях финансового кризиса

В условиях финансового кризиса отечественным банкам для выживания необходимо ужесточать меры при проведении своих операций. В большинстве банков в настоящее время происходят сокращение и пересмотр бюджетов, все банки без исключения ужесточили требования к заемщикам и/или повысили ставки во всех валютах.

Банк ВТБ 24 одним из необходимых условий для выживания в период кризиса видит усовершенствование риск-менеджмента, потому как основные опасения вызывают именно риски в кредитовании.

Сейчас ВТБ 24 и другие банки вырабатывают самые разные схемы выхода из кризиса. Причем первым и главным пунктом их программ чаще всего является коллекторская работа, то есть обеспечение возвратов выданных кредитов. Необходимо рассматривать неплатежи со всей возможной тщательностью -- часто выгоднее пойти навстречу хорошему заемщику, дать ему шанс пережить тяжелые времена и продолжить платить по кредиту, чем безапелляционно конфисковать и реализовывать залоговое имущество. В разрезе долгосрочных перспектив такая политика полезна любому банку. Однако хватает в отечественных банках и таких заемщиков, в отношениях с которыми лояльность бесполезна. Особенную важность в этой ситуации приобретает сегментация заемщиков, которая позволит получить в дальнейшем ощутимую прибыль для банка. Отделить «агнцев от козлищ» -- вот задача-минимум для банков в период кризиса.

Особое внимание Банк ВТБ 24 уделяет автоматизации банковской деятельности, в частности кредитования, что позволят значительно ускорить все бизнес-процессы, а также уменьшить влияние человеческого фактора на принимаемые решения, снизить издержки на обучение персонала, оплату труда, расходные материалы и т.п. [15]

Один из самых эффективных инструментов риск-менеджеров, применяемых в Банке, являются современные системы кредитного скоринга. Своевременное предупреждение просрочек является очень важным для снижения затрат Банка в рамках работы по взысканию задолженности и работы с залоговым имуществом. Collection-скоринг как один из традиционных видов скоринга по работе с просроченной задолженностью способен оптимизировать работу банка на всех этапах процесса управления взаимоотношениями с должниками.

Такая система предназначена для решения ключевых задач коллекторской деятельности, а именно - планирования и осуществления своевременных и целенаправленных действий по управлению взаимоотношениями с должниками начиная с момента первого возникновения просрочки. Основная задача системы collection-скоринга заключается в автоматизации ведения так называемых soft-коллекторских мероприятий. Эффективная автоматизированная система collection-скоринга позволяет максимально формализировать и автоматизировать работу с проблемной задолженностью, применять своевременные и актуальные воздействия к каждому должнику.

Методология collection-скоринга базируется на оптимальной сегментации кредитных дел, которая в свою очередь позволяет использовать прикладные инструменты collection-скоринга (воздействия) наиболее эффективно. Сегментация осуществляется в зависимости от различных факторов:

· параметров кредитного дела - дней просрочки, суммы кредита, характеристики заемщика и т.д.;

· locator score - числовой характеристики вероятности контакта с должником. Приоритетными являются должники, характеризующиеся высоким значением данного показателя, что свидетельствует о минимальных ресурсах, необходимых для установления контакта. Кроме того, вероятность контакта позволяет оценить причину возникновения задолженности - нежелание или невозможность выплат;

· collectability score - числовой характеристики вероятности возврата задолженности. Низкое значение данной вероятности говорит о необходимости более плотной работы с должником и соответственно необходимости привлечения большего количества ресурсов;

· дополнительных расчетных параметров;

· результатов предыдущего воздействия.

Результатом сегментации становится определение разновидностей воздействий, которые необходимо применить к определенному должнику.

Необходимо подробнее рассмотреть традиционные разновидности soft-коллекторских воздействий:

· телефонный звонок - уведомительный телефонный звонок секретаря (либо автоматический звонок с проигрыванием определенного аудиофайла) заемщику. Такой звонок эффективно предупреждает просрочку платежей, особенно при хорошо продуманном тексте сообщения;

· звонок коллектора - более настойчивый звонок коллектора заемщику. Общение клиента и коллектора в ходе такого звонка более конкретизировано, направлено на скорейшее и обязательное погашение задолженности, часто с назначением конкретных дат выплаты, пени и т.п.;

· неформализованное действие коллектора - предполагает какое-либо неформализованное воздействие коллектора, такое как посещение заемщика по месту работы или жительства, назначение с ним встречи и др.;

· SMS или E-mail - автоматическое направление системой соответственно SMS-сообщения или E-mail, имеющих своей целью такое же напоминание о просрочке, как и телефонный звонок.

По результатам воздействий определяется необходимость и своевременность начала следующего этапа - hard collection, то есть взыскания долга через суд.

Рассмотрим стадии работы системы collection-скоринга Банке ВТБ 24.

Работа системы начинается с обработки первичной информации. Система автоматически отслеживает состояние кредитных дел в портфеле банка, осуществляет выборку должников в некую собственную базу должников - Debtor`s Pool (данные заемщиков, допустивших просрочку). Естественно, что система имеет ряд настроек, доступных специалистам банка, для определения граничных сроков просрочек и установки временных рамок мониторинга базы клиентов.

На следующей стадии отобранные ранее должники сегментируются на группы. Соответственно в системе необходима гибкая настройка сегментации заемщиков по одному или нескольким критериям.

В мировой практике существуют два общепринятых показателя, существенных для оптимальной сегментации, - это locator score и collectability score, о которых уже упоминалось выше. Наличие инструмента для расчета этих показателей также является важной характеристикой эффективной системы collection-скоринга.

Далее, к каждой отсортированной группе должна быть применена некая предустановленная последовательность воздействий. Соответственно необходимы:

· возможность создания формально определенной последовательности воздействий на заемщика (Collection Strategy). Средствами системы специалисты банка должны создавать, модифицировать и запускать в работу сложные, многоуровневые стратегии, включающие в себя условия сегментации, применяемые воздействия, временные рамки ожидания отклика и результаты таких воздействий, причем без привлечения IT-специалистов и разработчиков системы;

· наличие рабочих мест для каждого из специалистов, задействованных при выполнении Collection Strategy, обеспечивающих их взаимодействие как с должниками, так и между собой, согласно предустановленным ролям;

· возможность гибкой настройки процесса выгрузки данных. То есть возможность получать итоговые данные в удобном для пользователя виде;

· отчетность об эффективности воздействий и работе сотрудников в системе, миграции просрочек и других статистических закономерностях.

В процессе выполнения Collection Strategy к должнику применяется ряд автоматизированных действий. Эти действия должны также гибко настраиваться специалистами банка: задание/изменение текста писем, аудиофайлов, сообщений; наличие в системе средств автоматической рассылки сообщений (SMS, E-mail, автозвонок) с привязкой шаблона сообщения к типу должника; настраиваемое информационное сопровождение (подсказки, шпаргалки, шаблоны) рабочих мест специалистов.

Примененное воздействие приводит к некоему результату. То есть, например, для воздействия «звонок секретаря» результатом может быть отказ платить, невозможность дозвониться до должника и т.п. Результат сохраняется в Debtor's Pool и определяет тип нового воздействия на должника на следующем цикле обработки сollection-заявки.

Упрощенно весь путь, проделываемый сollection-заявкой в системе сollection-скоринга, показан на рисунке 3.

Рисунок 3 - Общая схема движения сollection-заявки в автоматизированной системе сollection-скоринга

Результативность системы в большой степени зависит от практической реализации воздействий на должника. Рассмотрим пример практической реализации для каждого вида воздействий, применяемый в ВТБ 24.

1. Звонок секретаря. Секретарь зачитывает текст, который генерируется системой на основании имеющихся данных (в том числе о предыдущих воздействиях) согласно задаваемым шаблонам, которые можно изменять.

2. SMS. Текст SMS может строиться на основании нескольких различных шаблонов определяемых типом сообщения и применяемых в зависимости от содержания данных по кредитному делу (например, количество дней просрочки, наличие предыдущих воздействий).

3. E-mail. Полностью автоматизированная отправка электронного письма системой. Текст письма также строится на основании нескольких различных шаблонов, определяемых типом сообщения.

4. Auto Call. Система совершает автоматический звонок должнику с проигрыванием определенного аудиофайла. Тип аудиофайла определяется содержанием данных по кредитному делу.

5. Письмо. Система формирует текст письма согласно имеющимся данным (выбирает тип письма, подставляет данные заемщика, срок просрочки и другие изменяемые поля в тексте письма) и вместе с другими параметрами письма отправляет посредством электронного письма соответствующему оператору, которому необходимо только распечатать письмо и отправить его по обычной почте.

6. Звонок коллектора. Текст, произносимый коллектором, также генерируется системой на основании существующего шаблона и с учетом данных по кредитному делу.

7. Неформализованное действие коллектора. Неформализованное действие коллектора также сопровождается системой. В качестве информационного сопровождения рабочего места коллектора может использоваться база законов и нормативных актов либо пособие по психологии.

8. Hard Action. Формирование пакета информации для передачи на «жесткое» воздействие в коллекторскую компанию. Такое кредитное дело больше не возвращается в систему до тех пор, пока по нему не станет известен какой-либо результат -- долг оплачен либо заемщик объявлен банкротом.

Такова в общих чертах схема работы эффективной системы collection-скоринга.

Как говорилось выше, необходимо наличие эффективного статистического аппарата, то есть возможности мониторинга деятельности системы. На практике такая возможность реализуется созданием отчетов по результатам collection-скоринга.

Такие отчеты можно условно разделить на две группы.

1. Управленческие отчеты - позволяющие анализировать весь массив информации о деятельности системы. Такие отчеты могут строиться по любой информации из Debtor`s Pool (например, они могут отображать распределение должников по категориям, эффективности применяемых воздействий и т.п.). Кроме того, большую роль играет возможность отслеживать эффективность работы специалистов-коллекторов и всей системы collection-скоринга в целом. Для реализации такой отчетности обычно используют специальные подсистемы отчетности.

2. Операционные отчеты - позволяющие мониторить состояние системы, например, статистику звонков за период, количество активированных за период рабочих мест специалистов и т.п. Такая отчетность обычно встраивается в рабочее место соответствующего специалиста-администратора. [28, 30]

Таким образом, кредитный скоринг - это инструмент, который необходим всем банкам для успешного преодоления кризиса. И, чтобы выжить в условиях кризиса, Банк мобилизовал все свои ресурсы как для обеспечения возвратов выданных кредитов, так и для улучшения своего кредитного портфеля. А технологии кредитного скоринга, в частности collection-скоринга, послужили эффективным лекарством для отечественного кредитования.



ЗАКЛЮЧЕНИЕ

Кредитные операции - основа банковского бизнеса, поскольку являются главной статьей доходов банка. Но эти операции связаны с риском невозврата ссуды (кредитным риском), которому в той или иной мере подвержены банки в процессе кредитования клиентов. Именно поэтому кредитные операции должны являться главным объектом внимания банков. Кредитная политика банка должна обязательно учитывать возможность кредитных рисков, предварять их появление и грамотно управлять ими, то есть сводить к минимуму возможные негативные последствия кредитных операций.

Таким образом, основной целью банка является нахождение «золотой середины», т.е. оптимального соотношения между степенью риска и доходностью по кредитным операциям при помощи грамотного управления кредитным процессом, что реализуется посредством разработки практических мероприятий по привлечению новых клиентов и анализа их кредитоспособности.

Наиболее распространенным в практике банков мероприятием, направленным на снижение кредитного риска, является оценка кредитоспособности заемщика, осуществляемая при помощи скоринга, который представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок. В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель: чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности. Для разработки алгоритмов кредитного скоринга необходима историческая выборка данных - так называемая обучающая выборка. От качества этой выборки (на языке статистики - репрезентативности) зависит точность оценок параметров модели скоринга и соответственно эффективность (предиктивная мощность) скорингового алгоритма.

Рисковый скоринг, таким образом, дает кредиторам возможность последовательного и объективного принятия решений на основании эмпирически полученной информации. В сочетании с деловым знанием, технологии прогнозирующего моделирования позволяют риск-менеджерам увеличить эффективность процесса риск-менеджера и контроль над ним.

Следует так же особо подчеркнуть, что в России внедрение скоринга тормозится не столько объективными, сколько субъективными причинами, связанными с недоверчивым отношением банковских менеджеров к математическим и статистическим методам. Скоринговые модели необходимо разрабатывать на самых свежих данных, периодически проверять качество их работы, иметь возможность быстро и дешево перенастраивать модель, чего не позволяют сделать закрытые западные системы, применяемые в некоторых российских банках.

Для того чтобы иметь возможность сравнивать клиентов с совершенно разными признаками и принимать решения о кредитовании не интуитивно, а на основе формализованных критериев, непосредственно связанных с вероятностью дефолта, необходимо построить математическую модель, которая позволит оценить, какая информация является существенной, а какой можно пренебречь. Скоринг представляет собой классификационную задачу, где, исходя из имеющейся информации, необходимо получить функцию, наиболее точно разделяющую выборку клиентов на «плохих» и «хороших». Но предварительно необходимо преобразовать имеющуюся информацию в форму, поддающуюся анализу.

У каждого из методов классификации заемщиков имеются свои преимущества и недостатки, кроме того, выбор того или иного метода связан со стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей. Регрессионные методы показывают значимость каждой характеристики для определения уровня риска, и поэтому особенно важны на этапе разработки анкеты, которую заполняют клиенты.

Для перехода от экспертной скоринговой модели к ее статистическому варианту требуется определенное время для накопления данных по «плохим» кредитам, так что период времени для накопления необходимых данных будет в значительной степени зависеть от объемов и качества портфеля - чем больше объем (число) выданных кредитов, тем больше вероятность невозврата какой-то их части. С другой стороны, низкое качество кредитного портфеля увеличивает процент безнадежных ссуд (процент случаев невозврата кредитов).

В данной дипломной работе рассмотрена система кредитного скоринга, применяемая непосредственно в ЗАО «ВТБ 24», преимущества, которые получает заемщик в результате применения этой системы, а именно: сокращение времени на обработку заявки, независимость от знаний, опыта и внимательности сотрудников, а так же стабильность процентных ставок.

Так же в результате практического наблюдения и исследования рассмотрен характер бизнес-процессов обработки кредитной заявки, представленный в виде контекстной диаграммы обработки заявки. В целях повышения эффективности скоринговой модели в ВТБ 24 была разработана и предложена усовершенствованная модель обработки кредитной заявки. В данной схеме разработчиками Банка был введен дополнительный этап - прескоринг, который осуществляется сразу после ввода анкеты в систему удаленного обслуживания, что позволит оператору быстро получать обратный ответ в случае неудачного прохождения прескоринга.

Предложенная модель бизнес-процесса обработки кредитной заявки позволит оптимизировать схему документооборота, принять более правильное решение при выдаче кредита и снизить риск его невозврата.

Как и любая другая система с применением компьютерных технологий, система кредитного скоринга имеет свои недостатки, которые были рассмотрены в данной работе, а так же предложены пути их преодоления.

В условия финансового кризиса ВТБ 24 разрабатывает самые разные схемы выхода из кризиса в виде усовершенствования риск-менеджмента и организации коллекторской работы, то есть возврата кредитов. Совершенствование Банком системы кредитного скоринга отражено в главе 3 данной дипломной работы.

Подводя итог и говоря о перспективах развития и внедрения скоринговых систем, необходимо констатировать, что это направление деятельности будет развиваться параллельно с развитием системы Бюро кредитных историй и применяться скоринговые системы будут не только в экспресс-кредитовании, но и во всех видах розничного кредитования как операциях, несущих кредитный риск.



СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Конституция Российской Федерации. - М.: Ось - 89, 2003. - 48 с.

2. Гражданский кодекс Российской Федерации. - М.: ВИТРЭМ, 2002. - 472с.

3. О банках и банковской деятельности: Федеральный Закон от 02.12.1990 г. № 395-1 (в ред. От 17.05.2007 № 83-ФЗ);

4. О порядке предоставления (размещения) кредитными организациями денежных средств и их возврата (погашения): Положение ЦБ РФ от 31.08.1998 № 54 - П (в ред. 27.07.2001)

5. О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности: Положение ЦБ РФ N 254-П от 26.03.2004 (в ред. 14.05.2008)

6. Автореферат диссертации на соискание ученой степени кандидата экономических наук Погорелова Л.В.

7. Банковское дело: учебник/ под ред. Г.Г.Коробовой.- М.: Экономистъ, 2004.- 751 с.

8. Годовой отчет ЗАО «ВТБ 24» за 2008 год

9. Демин Ю. Все о кредитах: понятно и просто/ Ю.Демин.-СПб [и др.]: Питер,2007.-206 с.- (Управление деньгами)

10. Ендовицкий Д.А. Анализ и оценка кредитоспособности заемщика: учебно-практическое пособие/Д.А.Ендовицкий, И.В.Бочарова.-М.:КНОРУС, 2005.-272 с.

11. Жарковская Е.П. Банковское дело: учебник для студентов/Е.П.Жарковская.-4-е изд., испр. и доп.-М.:Омега-Л,2006.-452 с.- (Высшее финансовое образование)

12. Ильясов С.М. Об оценке кредитоспособности банковского заемщика, Деньги и Кредит, №9/2005,с. 28-34

13. Казакова И.И. О методах оценки кредитоспособности заемщика, Деньги и Кредит, №6/2007, с.40-44

14. Костерина Т.М. Банковское дело: учебник для студентов высших учебных заведений/ Т.М.Костерина - М.: «Маркет ДС» - 2003.-453 с.

15. Кредитный скоринг: баланс интересов банка и клиентов:«Банковское кредитование», 2005, N 3// СПС Консультант плюс

16. Кроливецкая Л.П. Банковское дело: кредитная деятельность коммерческого банка: учеб. пособие/ Л.П.Кроливецкая, Е.В.Тихомирова.-М.:Кнорус, 2008.-277, [1] с.

17. Лаврушин О.И. Банковские операции: учеб. пособие/кол. авторов; под ред. О.И.Лаврушина.-М.:КНОРУС,2007.-384 с.- (Среднее профессиональное образование)

18. Лаврушин О.И. Банковское дело: современная система кредитования: учеб. пособие/ О.И.Лаврушин, О.Н.Афанасьева, С.М.Корниенко; Фин. акад. при Правительстве Рос. Федерации.- изд. 3-е, доп.- М.:Кнорус, 2007.- 259, [1] с.