Реферати українською » Банковское дело » Скорингові системи в кредитуванні фізичних осіб


Реферат Скорингові системи в кредитуванні фізичних осіб

Страница 1 из 2 | Следующая страница

>Скоринговие системи у кредитуванні фізичних осіб

>Скоринговие системи як мінімізації кредитного ризику

Незатухаючий бурхливий ріст ринку кредитування фізичних осіб неодмінно веде у себе прийняття додаткових кредитних ризиків як у окреме кредитне установа, і саме на банківську систему загалом. Це з двома основними чинниками:

1) залученням у процес роздрібного кредитування у ролі позичальників нового контингенту фізичних осіб як наслідок збільшенням загальної кількості діючих кредитних договорів;

2) зростанням середнього обсягу роздрібного кредиту.

Екстенсивне розвиток роздрібного кредитування відбувається на умовах жорсткої продуктової й ціновій конкуренції основних учасників ринку, неминучими веде до їх зниження дохідності цього напряму банківського бізнесу. У цій ситуації якість управління кредитними ризиками в роздрібному кредитуванні стає просто важливим питанням, а однією з конкурентнихпреимуществ/недостатков для кредитних установ, розвивають даний вид кредитування.

Конкурентна боротьба іде просто частки розширюваного ринку (на відміну, наприклад, від торгівлі), а й за "високоякісні" частка ринку, тобто за кредитоспроможних позичальників. Тут слід пояснити термін "кредитоспроможність". Дане поняття означає як можливість (з рівня життя та оцінки стабільності доходів), а й бажання потенційного позичальника вчасно побачив і належним чином погасити заборгованість. Фактично реальним конкурентним перевагою роздрібних банків стає рівень їхнього кредитного "зору", витлумаченого як здатність вибирати кредитоспроможних позичальників із високим надійністю і мінімальними витратами часу й ресурсів.

Методи покриття кредитних ризиків, пов'язані зі створенням складної до потенційного позичальника системи комісій (за розгляд заявки, як відкриття позичкового рахунки, ведення і обслуговування позичкового рахунки тощо.), себе вичерпали. Невипадково останнім часом і Банк Росії, і Федеральна антимонопольна служба приділяють пильна увага питанням розкриття комерційними банками інформації реальні витратах потенційних позичальників по споживчим кредитах. Причому це стосується як доекспресс-кредитам чиовердрафтному кредитування власників банківських карт, до інших видів роздрібного кредитування, зокрема яка передбачає використання застав чи поручительств як забезпечення. Причина - в тому, що витрати й втрати банків зв'язки України із зверненням стягнення щодо застави досить великі. У значною мірою це може зараховуватися і допоручительствам - наприклад, допоручительствам фізичних осіб, коли позичальник і поручителі проживають у середніх і вимагає невеликих у містах і працюють одному з градоутворюючих підприємств. Власне, видача кредиту (навіть за наявності забезпечення) доцільна за високої частці впевненості у кредитоспроможності потенційного позичальника.

Саме завданню вибору кредитоспроможних позичальників переважно служатьскоринговие системи. Хоча багато хто автори пов'язують виникненняскоринга безпосередньо з ім'ям Девіда Дюрана, який, вдаючись у 1941 р. до армії, залишив своїмколлегам-банкирам стислі рекомендації відбір кредитоспроможних позичальників; очевидно,скоринг у тому чи іншого формі існував ще відтоді, коли почали систематично надаватися позики в грошової чи натуральному вигляді необмеженому колі осіб.

У сучасному практиці роботи банківскоринговие системи використовуються уже давно - починаючи з середини 1950-х років, як у Сан-Франциско початку своєї діяльності одне з перші місця і лідируючих нині компаній із розробціскорингових системFairIsaac Corporation (1956 р.) .FairIsaac Corporation обслуговує 7 з десяти найбільших банків світу, 97 зі ста найбільших банків Америки і 50 найбільших емітентів кредитних карт.

Англійський дієсловоscore має у своїх значень такі: підраховувати окуляри, вести рахунок; як іменникscore, зокрема, означає кількість набраних очок, оцінку.Скоринговая система - це алгоритм чи методика, дозволяють з урахуванням даних про потенційномузаемщике оцінити його кредитоспроможність. Фактично система покликана датикатегоризированную оцінку ступеня кредитного ризику по потенційному позичальнику. У найпростішому і найбільш значимому для практики випадку ця оцінкабинарна: "видати кредит" (чи "позичальниккредитоспособен") або "відмовити у видачі кредиту" (чи "позичальникнекредитоспособен"). Розмір кредитного ліміту вскорингових системах другорядний. Зазвичай, основою розрахунку кредитного ліміту служить оцінка рівня доходів позичальника за його кредитоспроможності. Як даних про потенційномузаемщике виступає доступна кредитору інформація, як у експонованих позичальником документах, і отримувана "за словами" самого позичальника. Найчастіше ці дві виду даних мають непорожнє те що: наприклад, дані про доходи,указиваемие позичальником в анкеті, підтверджуються відповідними довідками і документами про рівень цих доходів. Фрагмент зразкового (можливого) переліку даних дляскоринга може мати такий вигляд:

- рівень середньомісячного доходу протягом останніх 6 місяців;

- стаж роботи з останнє місце роботи;

- вік;

- сімейний стан;

- кількість осіб, що є утримує;

- освіту;

- посадовий статус;

- його присутність серед власності нерухомості;

- ін.

Кожен вид яка ускоринге інформації зазвичай називають характеристикою чи чинником (наприклад, стаж роботи з останньому робоче місце; сімейний стан тощо.). Деякі характеристики потенційного позичальника (вік) мають числової характер, деякі (освіту) - дискретнийнечисловой (>категоризированний). Вочевидь, що ускоринге доцільно використовувати найважливіші, важливі правильного ухвалення рішення стосовно оцінки кредитоспроможності характеристики. Їх вибір обмежений наявністю інформації прозаемщике мірою її документального підтвердження. Проте в анкетах і експонованих позичальником документах міститься досить даних в організацію початкових робіт зскорингу. Визначення конкретної системи чинників дляскоринга може бути зроблене як у основі експертні оцінки кредитних працівників, і з допомогою статистичних методів.

Статистичні методи ефективні за наявності достатнього за обсягом масиву даних (значення факторів, і результат погашення кредиту - погашений або погашений вчасно). Якщо даних немає або їх обсяг незначний, тоскоринг з урахуванням експертні оцінки - розумне рішення, у разі, це за, ніж відсутністьскоринга взагалі.

Попри початок великої роботи із формування у Росії системи бюро кредитних історій (>БКИ),скоринговие системи не втрачають своєї актуальності. Це обумовлено двома обставинами:

1) розширенням ринку роздрібного кредитування з допомогою залучення у процес фізичних осіб, не які брали раніше кредити - у і які мають кредитних історій;

2) обмеженими можливостямиБКИ за оцінкою кредитоспроможності потенційних позичальників: кредитні звітиБКИ містять основну частину кредитної історії, тобто точно певний перелік інформації про фактично що відбуласяисполнении/неисполнении потенційним позичальником (суб'єктом кредитної історії) зобов'язань за раніше виданими йому кредитів і допомог. Сама ця інформація надзвичайно важлива: потенційному позичальнику із негативною кредитної історією новий кредит, швидше за все, нічого очікувати видано. Проте видача кредиту позичальнику з позитивною кредитної історією неспроможна вперше іде у "автоматичному режимі" - у разі необхідна кваліфікація позичальника, оцінка його кредитоспроможності. Факти позитивної кредитної історії позичальника і момент звернення за новим кредитом може бути сильно рознесені у часі; в рівень прибутків, зобов'язання, власності, умов життя позичальника, отже, у його кредитоспроможності могли статися серйозні зміни.

Методологія побудовискорингових систем

Методи і, які у основіскорингових систем, дуже різні. До основним знаним громадським і які у час методам можна віднести такі.

1. Лінійнийдискриминантний аналіз

(лінійнідискриминантние функції) <5>

>Дискриминантний аналіз - це розділ математичної статистики, змістом якого є розробляються методи вирішення завдань розрізнення (дискримінації) об'єктів спостереження за ознаками. Що стосуєтьсяскорингу об'єкти спостереження - це з про потенційномузаемщике, ознаки - характеристики (чинники).Дискриминируются позичальники на два класу:кредитоспособние інекредитоспособние. Процедуридискриминантного аналізу можна розділити на дві групи. Перша група процедур варта описи (інтерпретації) різницю між існуючими класами, друга - щодо класифікації нових об'єктів у випадках, коли невідомо заздалегідь, до якого з існуючих класів це стосується.

Нехай є чимало об'єктів спостереження (кредитних договорів із даними по позичальникам і результатом - кредит погашений належним чином чи мали місце проблеми). Кожна одиниця спостереження характеризується кількома чинниками (перемінними):xij - значенняj-й перемінної уi-го об'єкта, при і =1...N; j =1...p. Усі безліч об'єктів розбите сталася на кілька підмножин (дві голови і більш), чи класів. З кожного підмножини узята вибірка обсягомnk, деk - номер підмножини (класу) при до =l...g. Ознаки, що використовуються здобуття права відрізняти один клас (підмножина) від іншого, називаютьсядискриминантними перемінними (>предикторами). Кожна з цих змінних повинна вимірюватися або заинтервальной шкалою, або за шкалою відносин.

>Интервальная шкала дозволяє кількісно описати різницю між властивостями об'єктів. Для завдання шкали встановлюються довільна точку відліку і одиниця виміру. Прикладами таких шкал є вік позичальника, рівень її середньомісячного доходу протягом останніх 6 місяців, і т.д.

Шкала відносин - окреме питанняинтервальной шкали. Вона дозволяє співвідноситикатегоризированниепредиктори. Теоретично числодискриминантних змінних необмежена, але практично їх вибір складає підставі змістовного аналізу вихідної інформації та відповідних статистичних процедур оцінки вкладу кожного предиктора у процес формування виважених рішень за класифікацією. Кількість об'єктів спостереження повинна перевищувати числодискриминантних змінних принаймні на два, тобтоp < N.Дискриминантние перемінні мали бути зацікавленими лінійно незалежними. Ще однією припущенням придискриминантном аналізі є нормальність закону розподілу багатовимірної величини, тобто кожна гілкадискриминантних змінних усередині кожного з аналізованих класів мусить бути підпорядкована нормальному закону розподілу. Що стосується коли реальну картину в вибіркових сукупностях відрізняється від висунутих передумов, слід вирішувати питання доцільності використання процедурдискриминантного аналізу для класифікації нових спостережень, бо за цьому не можуть розрахунки кожного критерію класифікації.Линейнаядискриминантная функція має вигляд:

>D(X) =w0 +w1x1 +w2x2 +... +wnxn,

деwi- коефіцієнти.

Для випадку дискримінації на два класу вирішальне правило виглядає так: якщоD(X) <= 0, об'єкт Х належить до 1-му класу, якщоD(X) >= 0, - до 2-го. Слід зазначити, щодискриминантний аналіз є дуже грубим і наближеним методом дляскоринга з зроблених припущень і лінійності самоїдискриминантной функції. Проте цей метод важливий на початку розробкискорингових систем з оцінки важливості ("просіювання")предикторов.

2.Многофакторная логістична регресія

Логіка побудови рівняння логістичній регресії аналогічна побудові лінійноїдискриминантной функції:

>log(p/(1-p)) =w0 +w1x1 +w2x2 + ... +wnxn,

де р - ймовірність дефолту (неповернення кредиту),

w - вагові коефіцієнти,

x - характеристики клієнта.

Через війну розпізнавання чи класифікації по висунутій об'єкту - потенційному позичальнику рівняння логістичній регресії дає оцінку ймовірності дефолту (неповернення) кредиту. Якщо розробникамискоринговой системи заздалегідь встановлено певне граничне значення цієї ймовірності потреби ділити двох класів об'єктів (наприклад, "надійний позичальник" і "проблемний позичальник"), цю конструкцію зможе в автоматичному режимі формувати висновок про допустимості чи неприпустимість видачі кредиту. Усі регресивні методи чутливі до кореляції між характеристиками, у моделі повинно бути сильнокоррелированних незалежних змінних.

3.Кластерний аналіз

>Кластерний аналіз <8> - це сукупність методів, дозволяють класифікувати багатовимірні спостереження, об'єкти (заявки потенційних позичальників), кожен із яких описується набором характеристик (чинників)X1,X2,...,Xm. Метою кластерного аналізу є освіту груп, класів подібних між собою об'єктів, які заведено називати кластерами. Слово "кластер" (>cluster) у перекладі англійського означає: згусток, пучок, група. Як родинні поняття на літературі використовуються: клас, таксон, згущення. Ускорингових системах як класів виступають на найпростішому разі два: "надійні позичальники" і "проблемні позичальники". У кластерному аналізі використовуєтьсяполитетический підхід, коли всігруппировочние ознаки одночасно беруться до віднесення суб'єктів спостереження той чи інший клас. (При комбінаційних методах угруповання, коли застосовуєтьсямонотетический підхід, формування класів йде послідовно, за ознаками.) Зазвичай, чітких меж кожного класу вказані, проте їх відомо. Під час розробкискорингових систем кластерний аналіз з урахуванням навчальною вибірки дозволяє побудувати міру (відстань) між двома основними класами об'єктів і побачити "центри" кожного класу у просторі характеристикХ1, Х2,...,Xm, тобто сформувати ключове правило власне для завданняскоринга: по висунутій об'єкту обчислюються відстані до кожного з класів ("надійні позичальники" і "проблемні позичальники"), іклассифицируемий об'єкт належить до класу, відстань куди виявляється мінімальним.Содержательним моментом є вибір виду заходи (відстані між об'єктами) у просторі ознакХ1, Х2,...,Xm (вони, як було зазначено показано вище, може матинечисловой характер). Цей вибір мав бути здійснений з мінімізації помилок класифікації об'єктів (позичальників).

4. Дерева рішень

У методі дерев рішень сегментація (класифікація) об'єктів здійснюється шляхом послідовного роздрібнення факторного просторуХ1, Х2,...,Xm на вкладені прямокутні області. Перший крок - поділ з самого значимого чиннику (характеристиці). Наступні кроки - повторення процедури до того часу, поки що ніякої варіант наступної сегментації дасть значимого різницю між співвідношенням об'єктів різних класів проти отриманими раніше сегментами. Кількість розгалужень, чинники, з яких вузлах дерева рішень здійснюється галуження, і пороговими значеннями чинників в вузлах дерева рішень визначаються методі автоматично.

5.Нейронние мережі

Ідея нейронних мереж виникла результаті спроб змоделювати поведінка живих істот, сприймають дії зовнішнього середовища й учнів з власного досвіду.Нейронние мережі дають на навчальною вибірці об'єктів (масиву даних із позичальникам з заплющеними кредитними договорами і з вагомим ім'ям результатом погашення кредиту) конструювати структуру, що складається з нейронів і зв'язків і призначену для віднесення висунутого об'єкта (потенційного позичальника) до жодного з вищезгаданих класів ("надійні позичальники" чи "проблемні позичальники"). Що стосуєтьсяскоринговим системамнейросеть сприймається як чорну скриньку, зміст якого (нейрони, кількість верств нейронів, розташування нейронів по верствам, вагу нейронів тощо.) немає будь-якої значеннєвий трактування чи явного сенсу.

6. Метод мінімізації структурного ризику У.Вапника

Цей метод є основою запропонованого російському ринку програмного продукту поскорингуKXEN. Поділ на два класу по навчальною вибірці об'єктів можна шляхом добору вирішальної функціїf(X), що належить деякому сімейству функційf(X; a), де X <=Х1, Х2,...,Xm >, - вектор характеристик, а - узагальнений (у випадку - векторний) параметр. Якщоf(X) < 0, то об'єкт з характеристиками X <=Х1, Х2,...,Xm > належать до класу "проблемних позичальників", і якщоf(X) >= 0, чи до класу "надійних позичальників". Вочевидь, найкращою вирішальної функцією буде функція,минимизирующая рівень помилки класифікації (очікуваний ризик). Проте безпосередньо, лише з навчальною вибірці, оцінити очікуваний ризик неможливо. Якщо розмірність простору функційf(X; a) (своєрідна оцінка складності сімейства функцій, серед яких шукається оптимальна вирішальна функція) обмежена, вона може бути отримана оцінка понад очікуване ризику. Очікуваний ризик сприймається як сума двох ризиків: емпіричного (рівень помилок класифікації на навчальною

Страница 1 из 2 | Следующая страница

Схожі реферати:

Навігація