Стоковые изображения от Depositphotos 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:
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. Cкоринговая модель может базироваться на таких социо-демографических параметрах клиента, как возраст, пол, семейное положение, образование, трудовой стаж на последнем месте работы, уровень среднемесячного дохода и расходов, количество лиц, находящихся на содержании, наличие в собственности ликвидной недвижимости и др. Полученный показатель банк или финансовая компания сравнивают с установленной ими пороговой величиной. Чем больше разрыв — тем выше шансы получить ссуду. Впрочем, в Украине при выдаче ипотеки кредитные аналитики часто больше внимания обращают на ликвидность и достаточность залога, а также на наличие постоянных доходов. При этом скоринговые параметры отходят на задний план.
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».
По сообщению сайта Banker.kz