SCORE

SCORE — это международная система рейтингов и оценки кредитоспособности, разработанная и используемая в рамках деятельности Международной торговой палаты (ICC) для унификации подходов к анализу рисков при проведении внешнеторговых операций, а также наименование ряда национальных и отраслевых методик скоринга (от англ. score — балл, оценка). В наиболее широком смысле термин «SCORE» применяется для обозначения стандартизированных балльных моделей оценки вероятности дефолта заёмщика, контрагента или эмитента, которые используются в банковской сфере, страховании и корпоративных финансах.

История возникновения

Прообразом современных скоринговых систем считается методика оценки кредитоспособности физических лиц, предложенная в 1941 году американским экономистом Дэвидом Дюраном (David Durand). Он впервые применил статистические методы для разделения заёмщиков на «хороших» и «плохих» на основе набора количественных и качественных характеристик. Однако термин «SCORE» в его современном значении получил распространение в 1950–1960-х годах, когда в США начали внедряться автоматизированные системы оценки заявок на потребительские кредиты (например, модель FICO, разработанная Fair, Isaac and Company в 1956 году).

В международной торговле термин «SCORE» закрепился после создания в 1970-х годах при Международной торговой палате специализированной рабочей группы по унификации документарных операций. В 1993 году ICC опубликовала первый документ под названием «ICC Uniform Rules for Demand Guarantees» (URDG), где впервые были формализованы критерии оценки надёжности банков-гарантов. Впоследствии на основе этих правил была разработана система рейтингов SCORE для оценки кредитных рисков по гарантиям и аккредитивам. С 2000-х годов методики SCORE активно внедряются в практику российских банков и страховых компаний, адаптируясь под требования Центрального банка РФ и международные стандарты Базель III.

Классификация систем SCORE

По сфере применения

1. Банковский скоринг — оценка кредитоспособности физических и юридических лиц при выдаче кредитов, открытии кредитных линий, выпуске банковских гарантий.
2. Страховой скоринг — оценка рисков при страховании жизни, имущества, ответственности; используется для расчёта тарифов и франшиз.
3. Торговый скоринг — оценка надёжности контрагентов во внешнеторговых сделках, включая анализ платёжной дисциплины, финансовой устойчивости и репутации.
4. Операционный скоринг — оценка операционных рисков (например, вероятность мошенничества, технических сбоев) в банковской и платёжной инфраструктуре.

По типу модели

• Статистические модели — основаны на регрессионном анализе, дискриминантном анализе, дереве решений. Пример: модель Альтмана (Z-score) для прогнозирования банкротства предприятий.
• Экспертные модели — используют субъективные оценки специалистов, преобразованные в баллы. Применяются при отсутствии достаточной статистики.
• Гибридные модели — сочетают статистические методы с машинным обучением и нейросетями. Активно развиваются с 2010-х годов в финтех-компаниях.

По объекту оценки

Устройство и методология

Типовая система SCORE включает следующие этапы:

1. Сбор данных — формирование массива количественных (финансовые отчётности, кредитные истории, платёжные реестры) и качественных (деловая репутация, отраслевые риски) показателей.
2. Взвешивание — каждому показателю присваивается весовой коэффициент, отражающий его значимость для прогноза дефолта. Веса определяются на основе исторических данных или экспертных оценок.
3. Расчёт балла — линейная или нелинейная комбинация взвешенных показателей даёт итоговый балл (обычно от 0 до 1000 или от 1 до 10).
4. Интерпретация — балл соотносится с категорией риска (например, «низкий», «средний», «высокий»). Для каждой категории устанавливаются лимиты кредитования, процентные ставки, требования к обеспечению.
5. Мониторинг — система автоматически обновляет балл при поступлении новых данных (например, просрочка платежа, изменение отчётности).

В международных расчётах по аккредитивам и гарантиям часто используется SCORE-рейтинг банков, который присваивается на основе:

• размера собственного капитала (не менее 10 млн долларов США для категории «A»);
• доли просроченной задолженности (не более 5%);
• наличия действующей лицензии и членства в системе SWIFT;
• отсутствия негативной информации в публичных источниках (санкции, судебные иски).

Применение в России

В Российской Федерации системы SCORE активно внедряются с начала 2000-х годов. Крупнейшие банки (Сбербанк, ВТБ, Газпромбанк, Альфа-Банк) используют собственные скоринговые модели, построенные на основе данных Бюро кредитных историй (НБКИ, ОКБ, «Эквифакс»). С 2015 года Центральный банк РФ рекомендует кредитным организациям применять скоринговые оценки для расчёта нормативов достаточности капитала и резервов по ссудам.

В сфере внешнеторговых операций российские банки часто запрашивают SCORE-рейтинг иностранных банков-корреспондентов при открытии аккредитивов и выдаче гарантий. Для этого используются данные рейтинговых агентств (Moody’s, S&P, Fitch) и специализированных платформ (например, SWIFTRef). Российские экспортёры при работе с государственными заказчиками обязаны предоставлять банковские гарантии, которые должны соответствовать критериям SCORE, установленным Минфином РФ и Федеральным казначейством.

Критика и ограничения

Несмотря на широкое распространение, системы SCORE подвергаются критике по нескольким направлениям:

• Неполнота данных — в развивающихся странах, включая Россию, кредитные истории часто фрагментарны, а отчётность малых предприятий недостоверна, что снижает точность прогнозов.
• Статичность — классические модели SCORE не учитывают быстро меняющуюся макроэкономическую ситуацию (кризисы, санкции, пандемии). В периоды турбулентности баллы теряют предсказательную силу.
• Дискриминация — автоматизированные системы могут воспроизводить социальные предубеждения (по возрасту, полу, месту жительства), что в ряде стран признаётся нарушением законодательства о защите прав потребителей.
• Сложность интерпретации — для пользователей (заёмщиков, контрагентов) механизм расчёта балла часто остаётся «чёрным ящиком», что снижает доверие к системе.

Перспективы развития

Современные тенденции в развитии SCORE включают:

• интеграцию с технологиями искусственного интеллекта и машинного обучения для обработки неструктурированных данных (тексты договоров, социальные сети, геоданные);
• использование блокчейн-платформ для верификации данных и автоматического обновления рейтингов;
• внедрение «открытых банковских» стандартов (Open Banking) для доступа к данным о платежах и счетах в реальном времени;
• создание единых международных реестров SCORE-рейтингов для упрощения трансграничных расчётов.

В России в 2023–2024 годах Банк России инициировал пилотные проекты по внедрению скоринга на основе данных цифрового профиля гражданина (ЕСИА, Госуслуги) и платформы «Цифровой профиль предпринимателя». Ожидается, что к 2027 году все кредитные организации будут обязаны применять стандартизированные модели SCORE для оценки рисков по потребительским кредитам и ипотеке.

Источники

1. Durand D. Risk Elements in Consumer Instalment Financing. — National Bureau of Economic Research, 1941.
2. ICC Uniform Rules for Demand Guarantees (URDG 758). — International Chamber of Commerce, 2010.
3. Basel Committee on Banking Supervision. Basel III: A global regulatory framework for more resilient banks and banking systems. — Bank for International Settlements, 2011.
4. Федеральный закон «О кредитных историях» от 30.12.2004 № 218-ФЗ (с изменениями).
5. Положение Банка России от 28.06.2017 № 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности».
6. Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. — 1968. — Vol. 23, No. 4. — P. 589–609.
7. НБКИ. Скоринговые модели: методология и практика применения. — Москва, 2022.
8. SWIFTRef. Bank Rating Methodology. — SWIFT SCRL, 2023.