Информационные технологии и кредитный процесс

Страница 3

Для физических лиц наборы переменных, используемые банками для кредитного скоринга на первый взгляд могут показаться одинаковыми. Обычно банк интересуется следующими характеристиками заёмщика: возраст, количество детей/иждивенцев, профессия, профессия супруга(и), доход, доход супруга(и), район проживания, стоимость жилья, наличие телефона, сколько лет живет по данному адресу, сколько лет работает на данной работе, сколько лет является клиентом данного банка, наличие кредитной карточки/чековой книжки.

Набор характеристик может меняться в зависимости от региона, в котором работает, банк, в силу его экономических и социально-культурных особенностей, но в любом случае, он будет тесно связан с оценкой вероятности дефолта заемщика. Чем более однородна популяция клиентов, на которой разрабатывается модель, тем точнее прогнозирование дефолта. Поэтому внутри одного банка могут применяться различные модели для различных групп клиентов и различных видов кредита.

Банки стремятся к стандартизации процедур оценки кредитоспособности формализации принятия решений о кредитовании, основываясь на критериях, непосредственно связанных с вероятностью дефолта. Иными словами, банки заинтересованы в построении математических моделей, которые позволяют оценить, какая информация является существенной, а какой можно пренебречь. При моделировании набор переменных в каждом конкретном случае может существенно меняться, поскольку одни и те же экономические характеристики могут быть отражены разными типами переменных — непрерывными, дискретными и т.п.

Скоринговые модели могут быть весьма разнообразными и включают в себя: статистические методы, основанные на дискриминантном анализе (линейная регрессия, логистическая регрессия); различные варианты линейного программирования; дерево классификации или рекурсионно-партиционный алгоритм (РПА); нейронные сети; генетический алгоритм; метод ближайших соседей.

У каждого из методов имеются свои преимущества и недостатки. Выбор метода связан со стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей. Очевидно, что регрессионные методы показывают значимость каждой характеристики для определения уровня риска, и поэтому особенно важны на этапе разработки анкеты, которую заполняют клиенты. Линейное программирование может оперировать большим количеством переменных и моделировать определенные условия: к примеру, если маркетинговая стратегия банка направлена на молодежь, можно ввести условие, чтобы интегральный показатель молодых людей был выше, чем тех, кому за 60. Нейронные сети и деревья классификации выявляют нелинейные связи между переменными, которые могут привести к ошибке в линейных моделях.

Рассмотренные методы не исчерпывают всего многообразия современных способов, служащих для определения кредитоспособности заемщика. В последнее время банки все чаще разрабатывают и внедряют собственные модифицированные методы оценки, которые включают в себя как элементы скоринга, так и расчет финансовых показателей. На основании полученных результатов заемщику присваивается кредитный рейтинг, который определяет степень его кредитоспособности и возможность предоставления ему ссуды.

Несмотря на прогрессивность скоринга и повсеместное использование его зарубежными банками, до сих пор остается нерешенным целый ряд проблем, связанных с оценкой заёмщиков по данной методике. Одна из них заключается в том, что классификация выборки производится только на клиентах, которым дали кредит. Довольно сложно узнать, как бы повели себя клиенты, которым в кредите было отказано: вполне возможно, что какая-то часть оказалась бы вполне приемлемыми заемщиками. Также возникает проблема, связанная с изменениями поведенческих аспектов заёмщиков, социально-экономических и прочих условий, оказывающих влияние на них. Поэтому скоринговые модели подлежат обязательной корректировке с частотой полгода-год для России, экономика которой не отличается статичностью. У российских банков при применении любого вида статистического анализа возникают трудности рассмотрения длинных временных рядов за отсутствием «кладбища» кредитных историй. Кроме того, ещё одной особенностью российской экономики является неоднозначная интерпретация данных российских предприятий. Это связано с тем, что состояние финансовой отчетности, строго говоря, не всегда четко соответствует реальному положению вещей, а значит, финансовые показатели могут принимать любые значения вплоть до отрицательных, причем со значительно большей частотой, чем такое, к примеру, возможно в западных компаниях. В результате, неадекватными будут значения коэффициентов, что приводит к необходимости устанавливать для них особые лимиты или удалять сомнительные данные.

Другие материалы:

Денежная система Республики Беларусь
Наименование национальной денежной единицы, как правило, возникает исторически, но государство должно своим законодательным актом закрепить это наименование (оно же и изменяет его). Денежными единицами являются, например, в США - доллар, Японии -иена, Германии, Франции и ряде других европейских го ...

Использование опыта зарубежных банков в области оценки кредитоспособности заемщика
Существует множество различных методик анализа финансового положения клиента и его надежности с точки зрения своевременного погашения долга банку. В практике банков США применяются “ Правила шести “Си”, в которых критерии отбора клиентов обозначены словами, начинающимися буквами “Си” (табл. 2). ...

Проблемы фондовой биржи в России
К настоящему времени капитализация фондовых рынков России превысила ее ВВП. По отношению «капитализация/ ВВП» Россия вышла на средний уровень развитых стран, опередив многие из них. По абсолютной капитализации акций Россия практически сравнялась с такими развитыми странами, как Италия и Испания, и ...