Скоринг — метод оценки кредитоспособности¶
Скоринг — это метод статистической оценки кредитоспособности заёмщика, применяемый банками и финансовыми организациями для принятия решений о выдаче кредита, определении кредитного лимита и процентной ставки. Скоринг основан на математических моделях, которые анализируют данные о заёмщике и прогнозируют вероятность допущения им просрочки по кредиту в течение определённого периода (обычно 90 дней). Результат расчёта — скоринговый балл — сопоставляется с пороговым значением: при балле выше порога заявка одобряется, ниже — отклоняется.
¶История
Первые скоринговые модели появились в США в 1940-х годах. В 1941 году Фаир Айзек (Fair Isaac) разработал методику оценки кредитного риска для финансовых институтов; в 1956 году Фиро Фарнам и Уильям Фэр основали компанию Fair, Isaac and Company (FICO), которая стала разрабатывать универсальные скоринговые шкалы. В 1958 году FICO выпустила первую коммерческую скоринговую модель, а в 1989 году появилась единая шкала FICO Score, ставшая стандартом отрасли.
В России скоринг начал внедряться в 2000-х годах вместе с развитием рынка потребительского кредитования. Крупнейшими разработчиками скоринговых моделей в стране стали Национальное бюро кредитных историй (НБКИ), «Эксперим», «Скоринг-Сервис» и подразделения самих банков. В 2010-е годы на рынке появились альтернативные скоринговые модели, использующие данные из открытых источников и социальных сетей.
¶Принцип работы
Скоринговая модель строится на основе статистического анализа ретроспективных данных о заёмщиках, уже имеющих кредитную историю. Модель выявляет факторы, коррелирующие с вероятностью просрочки, и на их основе рассчитывает итоговый балл. Ключевые входные данные:
- Демографические сведения: возраст, семейное положение, наличие детей, образование.
- Финансовые показатели: уровень дохода, соотношение расходов и доходов, наличие других кредитов и размер ежемесячных платежей.
- Кредитная история: количество просрочек, их длительность, число действующих кредитов, доля просроченной задолженности.
- Параметры заявки: сумма и срок кредита, цель займа, тип залога.
- Поведенческие данные (в альтернативных моделях): активность в интернете, данные операторов связи, платёжное поведение по счетам ЖКХ.
Наиболее распространённые методы построения моделей — логистическая регрессия, деревья решений, градиентный бустинг и нейронные сети. Логистическая регрессия исторически преобладает в банковском скоринге благодаря интерпретируемости результатов.
¶Виды скоринга
| Вид | Назначение | Момент применения |
|---|---|---|
| Скоринг при выдаче кредита | Оценка риска нового заёмщика | При подаче заявки |
| Поведенческий скоринг | Оценка текущих клиентов банка | Периодически, по действующим заёмщикам |
| Коллекторский скоринг | Оценка вероятности возврата долга | При передаче задолженности на взыскание |
| Модель оттока | Прогноз ухода клиента к конкурентам | Для удержания клиентов |
¶Психографический скоринг
Отдельным направлением является психографический (альтернативный) скоринг, который оценивает не только платёжеспособность, но и психологические особенности заёмщика — склонность к риску, ответственность, импульсивность. Метод используется некоторыми микрофинансовыми организациями и кредитными кооперативами для дифференциации ставок. Психографический скоринг вызывает дискуссии в правозащитном сообществе из-за рисков дискриминации и отсутствия прозрачности алгоритмов.
¶Регулирование в России
В Российской Федерации деятельность по скорингу регулируется Федеральным законом «О персональных данных» (№ 152-ФЗ), а также отраслевыми стандартами Банка России. С 2014 года кредитные организации обязаны передавать сведения о кредитах в бюро кредитных историй, что обеспечивает базу данных для скоринговых моделей. В 2020-х годах Банк России развивает систему «Скоринг-онлайн», направленную на оценку заёмщиков микрофинансовых организаций, и готовит правила использования альтернативных данных в скоринге.
¶Ограничения
Скоринговые модели имеют ряд недостатков: они чувствительны к качеству входных данных, плохо прогнозируют поведение заёмщиков с тонкой кредитной историей («новичков»), а также могут воспроизводить исторические предубеждения, заложенные в обучающих выборках. Регуляторы ряда стран требуют от банков объяснять причины отказа в кредите, что ограничивает применение полностью «чёрных ящиков» в пользу интерпретируемых моделей.
¶Источники
- Банк России. Отчёт о развитии банковского сектора
- Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных»
- FICO. История скоринга и методология оценки кредитного риска
- Национальное бюро кредитных историй. Методические материалы
- Материалы Национальной ассоциации профессиональных коллекторских агентств
