Методы оценки кредитного риска для МФО

Клиенты микрофинансовых организаций (МФО) отличаются повышенным уровнем невозврата кредитов. Поэтому, оценка уровня кредитного риска является ключевым фактором конкурентоспособности и рентабельной деятельности МФО. Если риск недооценен, то жди убытков. Если переоценен - высокие проценты отпугнут клиентов.
Вкратце опишем стандартные методы.
Заявочный скоринг
Заявочный скоринг (application scoring) представляет собой обработку анкеты заемщика, в большинстве микрофинансовых организаций она заполняется в режиме онлайн. По ее итогам в среднем отсекается от 30 до 50% заявок в зависимости от аппетита к риску. Как правило, система строится с использованием логистической регрессии, деревьев принятия решений или нейронных сетей.
Поведенческий скоринг
Поведенческий скоринг (behavioral scoring) позволяет спрогнозировать действия заемщика и присвоить ему более высокий или низкий рейтинг, характеризующий платежеспособность и кредитоспособность клиента. Как правило, он используется для оценки клиента, оформляющего повторный заем, и строится на оценке платежного поведения клиента при обслуживании первого займа с учетом анкетных данных и иных сервисов проверки клиента. В зависимости от результатов поведенческого анализа финансовый институт может увеличивать или уменьшать лимиты в рамках так называемой технологии RBL (Risk based limit).
Risk based limit
Остановимся на Risk based limit - модели, подразумевающей определение оптимального лимита на заемщика с учетом оценки кредитного риска. Как правило, модель строится с использованием скоринга, других математических и статистических методов, например, Монте-Карло. Модель позволяет эффективнее управлять финансовым результатом путем снижения риска кредитования сомнительных клиентов и увеличения возможного процентного дохода за счет повышения лимита качественным заемщикам (с минимальным прогнозом дефолта).
Triggers model
Triggers model, как правило, используется для жесткого ограничения риска. Часто применяется для установки ограничений при оформлении займов в результате ухудшения показателей целого региона, филиала, продукта и т. д. Могут быть задействованы раз личные инструменты: от корреляционного и факторного анализа до методов кластерного анализа.
Anti-fraud model
Anti-fraud model - оценка потенциального мошенничества. Одно дело, когда человек получил кредит (заем), но не рассчитал свои финансовые возможности. И другое дело - когда имеет место заранее планируемый невозврат, то есть мошенничество. Таким образом, любой кредитор пытается еще до выдачи суммы оценить риск мошенничества со стороны заемщика. Следует отметить, что современные системы скоринга зачастую являются само обучающимися, то есть учитывают модели поведения клиентов, которые ранее были приняты на обслуживание. Система пытается вычислить какие-либо общие черты у тех, кто впоследствии оказался мошенником. Anti-fraud model зачастую использует огромный набор факторов, характеризующих сомнительное (нелогичное) поведение. Это может быть информация с мобильных устройств, информация по общению клиента в социальных сетях, данные, характеризующие поведение клиента в Интернете, информация о социальных связях и т. д.
По материалам статьи: Голицин С. А. Скоринг на страже рентабельности компании // Банковское дело, 2017, № 8