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