Скоринг, зародившийся в США в середине ХХ в., применяется для определения кредитоспособности потенциальных заёмщиков. Развитие этого финансового инструмента в России, его виды и проблемы, возникающие при внедрении скоринга анализируют российские исследователи Коцюба А. А., Старикова Д. В.
Самую высокую популярность скоринговые системы приобрели в конце XX века, так как именно в этот период стала широко применяться выдача кредитов посредством кредитных карт [1].
Почему же при всей узнаваемости данного термина скоринг нечасто присутствует в розничных системах банков?
Одна из причин — информационная закрытость таких модулей. Банки, впервые применившие данный инструмент, не заинтересованы в разглашении деталей их реализации. Договоры с разработчиками носят эксклюзивный характер, связывая банк и партнеров очень жесткими условиями о неразглашении коммерческой тайны.
Второй причиной является невысокая точность, которую показывают простейшие статистические инструменты в условиях отсутствия достаточной статистики и кредитной истории. Банк в большей степени обращает внимание на достоверность первичных клиентских документов.
И третья причина заключается в отсутствии переведенных монографий с иностранных языков на русских по тематике скоринга [2].
Экспертная модель на первом этапе дает действительно хорошую точность, однако второго шага, по мере втягивания в кредитный бизнес, например переход на методику лог-регрессии (которая является самой популярной на Западе), банк не делает. Скоринговые системы банков представлены в виде таблиц Excel (90 %).
Необходимо рассмотреть основные типы скоринга.
Application-скоринг — оценка кредитоспособности заемщиков для получения кредита.
Вопрос адекватной оценки кредитозаёмщика на стадии получения кредита стоит для отечественных банков крайне остро. По оценкам «РА Эксперт», весомая часть просроченной задолженности — «заслуга» нескольких банков из топ-50, а с учетом ссуд, переданных коллекторским агентствам, доля «плохих долгов» в объеме кредитов физическим лицам у ряда игроков банковского розничного рынка достигает 25%. Таким образом, можно смело утверждать, что Application-скоринг в настоящее время является наиболее актуальным типом скоринга для России [3].
• Collection-скоринг — определение приоритетных направлений работы в отношении заемщиков, состояние кредитного счета которых классифицировано как «неудовлетворительное».
В последнее время российские банки все чаще и чаще поднимают вопрос о необходимости использования Collection-скоринга в повседневной работе. Использование этого типа скоринга позволяет вести планомерную работу с просроченной задолженностью до момента ее передачи в коллекторское агентство. Опыт показывает, что значительную часть задолженности в ходе этой работы удается ликвидировать. Например, согласно результатам ряда исследований около 40% всех неплатежей приходится на забывчивых заемщиков, которые без всякого умысла забывают внести платеж по кредиту и «исправляются» после первых напоминаний.
• Behavioral-скоринг (поведенческий скоринг) -оценка динамики состояния кредитного счета заемщика.
Используемые для этой задачи вероятностные скоринговые модели позволяют спрогнозировать изменение платежеспособности заемщика, определить оптимальные лимиты по кредитной карте и т. д. Например, на основании поведения заемщика за предыдущие пять месяцев можно спрогнозировать его поведение в последующие два месяца. В России этот тип скоринга практически не применяется, причем не столько в силу отсутствия необходимости, сколько из-за отсутствия скоринговых систем, способных решать подобные задачи.
• Fraud-скоринг — оценка вероятности мошенничества потенциального заемщика.
Этот тип скоринга, как правило, используется в связке с Application- и Behavioral-скорингом для более детального анализа поведения заемщиков. Его актуальность для российского рынка достаточно велика. По данным ряда отечественных банков, откровенное мошенничество составляет до 10 % от всех неплатежей, и этот показатель с каждым годом продолжает медленно, но неуклонно увеличиваться [4].
В настоящее время скоринг становится все более популярным не только при оценке риска при различных видах кредита, но и в других областях: в маркетинге (для определения вероятности, что именно эта группа клиентов будет пользоваться этим видом продукции), при работе с должниками (если клиент задерживается с очередным платежом, какой метод воздействия будет наиболее эффективным), при выявлении мошенничества с кредитными карточками, при определении вероятности, что клиент может перебежать к конкуренту и т. п.
В заключение можно сказать, что в Российской Федерации, в сравнении со странами Европы и США, развитие скоринга происходит достаточно медленными темпами. У отечественных банков не достаточно данных для создания действенных скоринговых моделей, которые в силах повысить спрос на розничное кредитование, а также, что немаловажно, понизить уровень банковских рисков.
На данный момент существует два способа решения выше упомянутой проблемы. В первую очередь, необходимо активно применять на практике модель, спланированную заграничными странами, при этом нужно адаптировать её к особенностям российской экономики и социальным нормам. Безусловно, этот процесс займёт не малый период времени и потребует определенных затрат. Во-вторых, нужно не надолго отказаться от использования скоринговых программ в процессе кредитования и давать положительные ответы о кредитных займах практически всем желающим. Это понадобится для того, чтобы накопить необходимое количество столь недостающей информации о заёмщиках. Данные пригодятся для формирования российской скоринговой системы, которая будет весьма действенной, но в то же время достаточно дорогостоящей для банков.
Библиографические ссылки
1. Боронихина О. В. Управление рисками в России //Банковское кредитование. 2012. № 3. С. 26-29.
2. Василюк В. Л. Финансовые риски банков // Бухгалтерия и финансы. 2011. № 19. С. 38-41.
3. Выступление В. В. Путина. Государство берет кредитные риски на себя [Электронный ресурс]. URL: http://gpclub.ru/news/.
4. Соложенцев Е. Д., Степанова Н. В., Карасев В. В. // Прозрачность методик оценки кредитных рисков и рейтингов //Кредитные риски. 2011. № 29.
Больше см. на КиберЛенинка
Оставить комментарий