Многих из нас уже перестала удивлять навязчивая банковская реклама, обещающая выдавать кредиты на покупку фена утюга или даже жидко-кристаллического телевизора за каких-нибудь 30 минут. Многие из нас абсолютно не верили в это. Однако, либо на собственном примере, либо на примере друзей и знакомых, все мы уже убедились в том, что отделения банков, расположенные едва ли не во всех супермаркетах бытовой техники (а нередко - и 2-3 отделения различных банков на 1 магазин) действительно предоставляют займы на приобретение музыкального центра или компьютера, тратят на оценку кредитоспособности потенциальных заемщиков в среднем 30 минут.

 

Ужас, скажут многие читатели. В том плане, что разве же можно качественно и достоверно оценить платежеспособность и истинные намерения «человека с улицы», за полчаса? В общем-то, можно. Хотя, и не без погрешностей. И помогают банкам в этом вопросе так называемые скоринговые модели оценки потенциальных заемщиков, которые основаны на применении математической и экономической статистики.

 

В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании с друг другом: субъективное заключение экспертов или кредитных инспекторов и  автоматизированные системы скоринга. Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

 

Пионером прикладного применения статистических методов в бизнесе стала консалтинговая компания Fair Issac, основанная в начале 50-х годов в Сан-Франциско. Она и по сей день остаётся лидером среди разработчиков скоринговых систем. Широкое использование статистики оказалось возможным благодаря развитию вычислительной техники, а точнее, появлению персонального компьютера, без которого обработка огромных баз данных была бы просто немыслима.

 

Слово скоринг (от английского scoring - подсчёт очков) в мире кредитов означает автоматизированный процесс оценки кредитоспособности заёмщика. Оценка производится с помощью, так называемой, скоринговой карты, основу которой составляет математическая модель. В упрощённом виде, скоринговая карта представляет собой набор взвешенных характеристик, признанных влиять на способность клиента своевременно погашать задолженность. Результатом исчислений является некий суммарный показатель - бал (по-английски score), который и описывает в числовом эквиваленте надёжность заёмщика. Чем выше бал, тем выше кредитоспособность.

 

Связь с точными науками упомянута неслучайно. Следует особо подчеркнуть, что выбор параметров для скоринговой карты происходит не спонтанно, а в соответствии со строгими правилами математики - статистики, если быть точнее. Анализируется база данных уже существующих клиентов кредитной организации, и в ходе анализа те, кто справно платят по счетам, противопоставляются тем, кто находится на просрочке. Задача аналитиков из имеющегося набора исторических данных по этим клиентам найти признаки, которые окажутся уникальными и определяющими для каждой из вышеупомянутых групп. В конечной форме взаимосвязь признаков описывается математической моделью, которая просчитывает вероятность в какую именно категорию - добросовестных плательщиков или должников - имеет больше шансов попасть новоиспечённый клиент. Математическая модель становится основой скоринговой карты, а вероятность преобразуется в ту самую оценку кредитоспособности клиента, т.е. бал.

 

Дальнейшее прогнозирование строиться на допущение, что люди со схожими социальными характеристиками ведут себя одинаково, а выявленные в прошлом закономерности поведения человека имеют все шансы повторяться и в будущем. Таким образом, посчитанный с помощью скоринговой карты бал не стоит дословно считать оценкой Вашей кредитоспособности как индивидуума. Он, скорее, соотносит Вас к группе клиентов со схожими характеристиками, с которыми банк уже имел дело и знает как люди из этой категории выплачивают долги.

 

Возникает вполне логичный вопрос: а насколько справедливо подобное обобщение? В статистическом моделировании есть такое понятие, как интервал конфиденциальности, составляющий 90, 95 или 99 процентов. Это означает, что если, скажем модель построена с интервалом конфиденциальности 95%, то в 95-ти случаях из 100-а полученная с её помощью оценка вероятности события будет справедливой, а в оставшихся 5-ти возможен сбой. Модель не в состоянии учесть все сугубо индивидуальные факторы каждого, и Вас, милого и пушистого, действительно могут оценить недостойно, но шанс этого не так уж велик. Потом, при больших потоках желающих получить кредит, автоматизация процесса просто необходима. Полагаться на скоринг принято именно в столь популярном в нашей стране «экспресс» потребительском  кредитовании, где скорость принятия решения высока, а заявление на ипотеку, безусловно, рассматривается более индивидуально.

 

Методы статистического расчета, научно обоснованные и проверенные на практике, сомнений не вызывают, и если они применены правильно и со знанием дела, то результат - надёжная, стабильная модель. Однако есть факторы, влияющие на качество расчётов. Основным тормозом в таких проектах, как правило, становится база данных по клиентам - неполная, с ошибками или отсутствие оной. Существует простая истина: модель настолько хороша, насколько хороша используемая в разработке база данных. В то время как ошибки в базе можно отнести к проблемам техническим, устранение которых под силу квалифицированными специалистам, наличие самой информации напрямую связано со степенью развитости рынка.

 

Любая кредитная организация, имеющая на вооружении скоринг, кровно заинтересована в регулярной проверке работоспособности скоринговых карт. Ведь качество кредитного портфеля напрямую зависит от исправного функционирования данного инструмента: отклонение от нормы может привести либо к низкому уровню одобрений (потеря доли рынка), либо к повышенному уровню невозвратов (высокий риск). 

 

Каждый украинский банк, специализирующийся на выдаче потребкредитов, имеет, как правило, систему скоринга, разработанную собственными специалистами. Постоянно изменяется рыночная конъюнктура, в соответствии с которой происходит адаптация оценочных принципов. Появляются фирмы, помогающие заемщикам «правильно» заполнять скоринговые анкеты. Нашим банкам нужно это учитывать.

 

Можно ли научиться обманывать скоринговую программу, зависит от того, насколько продумана («защищена») эта программа, а также от того, какие показатели она использует в своей работе. Например, если используется только документально подтвержденная информация, то, естественно, обмануть такую систему практически невозможно. Если же значительная часть вопросов относится к информации, которую сложно проверить непосредственно при заполнении, то клиент может попытаться «обмануть» скоринг.

 

Более того, известны случаи, когда украинские банки, купив сначала западную скоринговую систему, затем отказывались от ее использования и внедряли сугубо украинское решение. Тем не менее, все равно в их основе лежат именно западные статистические разработки. По-другому и быть не может – история потребительского кредитования в Украине насчитывает не более 7-8 лет. Следовательно, сколь серьезной почвы для соответствующей статистики в Украине нет.

 

Автору известно немало любопытных и курьезных случаев, при которых скоринговые модели на украинской «ниве» дают специфические результаты. Так, к примеру, одинокая женщина 35 лет, имеющая ребенка или двух, обычно считается социально слабым субъектом. Однако если такая женщина имеет постоянную работу, то с точки зрения скоринга она может получить дополнительные баллы для решения о выдаче кредита. Потому что у такой женщины повышенный уровень ответственности из-за детей и привычка рассчитывать на свои силы. Она - благонадежный заемщик. Всегда ли такая женщина в действительности может быть благонадежным заемщиком?  Или, к примеру, состоятельный господин с высоким уровнем доходов является неблагонадежным заемщиком в сфере микрокредитования. Потому что сумма в 5 тысяч гривен для него - пустяк и он может забыть вернуть ее.

 

Многодетность где-нибудь в Западной Украине может быть расценена как фактор, снижающий оценку заемщика. Потому что многодетные семьи часто не только нуждаются в дополнительной защите, но и привыкли претендовать на особое отношение. У них могут быть сильны иждивенческие ожидания, что им кто-то что-то должен. Это может отрицательно сказаться на чувстве их финансовой ответственности перед кредитором. Объективно же говоря, в Западной Украине умеренная многодетность является традицией. При этом, обычно родители прививают детям любовь к труду.

 

Неумолимая статистика позволяет выявить и «опасные профессии». Например, юристы в среднем хуже отдают кредиты. Существует также «опасный возраст» - от 30 до 35 лет, когда люди (особенно мужчины) склонны переоценивать свои возможности.

 

И, наконец, успешный коммерсант с ежемесячным доходом свыше 10 тыс. долларов, скорее всего, получит отказ в маленьком кредите на тысячу долларов. С точки зрения скоринговой системы он может показаться мошенником, пытающимся завысить показатели своей доходности.

 

Понятно, что все вышеперечисленные средние результаты скоринговых оценок вряд можно признать объективно правильными. Самый же главный вывод состоит в том, что если банк на основе проведенной скоринговой оценки откажет в кредите на сумму в 1 тысячу долларов состоятельному человеку, заподозрив его в забывчивости, то к потенциально не самой кредитоспособной материи двоих детей будет гораздо более благосклонное отношение. Итогом может быть невозврат кредита. То есть, субъективная человеческая оценка в процессе выдачи кредитов тоже пригодится. Понятно, что это снизит скорость выдаваемых кредитов в многочисленных супермаркетах электроники. Но, с другой стороны, существующие темпы кредитования должны сами по себе насторожить украинские банки. Если посмотреть на ситуацию с американской ипотекой, то можно заметить, что есть немало схожего.