Скоринговая система оценки платежеспособности заемщика коммерческого банка

Скоринговая система оценки платежеспособности розничного клиента – это статистическая модель, оценивающая вероятность того, что заемщик не заплатит по своим обязательствам в срок. А, как известно, для построения любой статистической модели необходимо иметь достаточную по объему и качественную базу данных. Именно отсутствие достаточного объема информации по розничным клиентам является основной преградой финансовых институтов в построении внутренних скоринговых моделей. Оптимальное решение в данной ситуации – это объединение баз данных по розничным клиентам нескольких схожих по предлагаемым услугам и роду деятельности банков в единый пул, и построение своих скоринговых систем на основе общих данных физических лиц нескольких банков.
База данных для построения скоринговой модели (собственная или приобретенная) должна содержать всю возможную информацию по клиентам за последние несколько лет (2–5 ): банковский продукт, решение по кредитной заявке, дату открытия счета, статус задолженности, баланс на счету и т.д. Далее из выборочной совокупности должны быть исключены:
1. все нестандартные случаи (аномально большие суммы кредита, необычные цели для займа, реструктуризированные обязательства, клиенты с нестандартными условиями выплат и др.),
2. отказы в выдаче кредита по причинам, обусловленным единой политикой банка (несовершеннолетние, банкроты, двойные заявки и др.),
3. инсайдерские кредиты (VIP, сотрудники банка и др.),
4. сторно, незаконченные или находящиеся в процессе обработки кредитные анкеты,
5. нестандартное поведение клиента после выплаты кредита (подделка до- кументов и мошенничество, кражи и потери кредитных карт, смертельные случаи и др.).
Все остальные данные в выборке должны быть разбиты на категории: «хороший» (платежеспособный), «плохой» (неплатежеспособный) клиент или «отказ» в выплате кредита. В теории по созданию скоринговых систем процесс моделирования часто разбивают на два этапа: 1) построение первичной модели с использованием...

Основной статьей заработка коммерческих банков, по большей части, является кредитование физических и юридических лиц. В разных кредитных организациях доля прибыли от кредитования составляет от 40 до 70 процентов. В тоже время это достаточно рискованный вид деятельности. Отданные в кредит деньги могут уже не вернуться обратно, не говоря уже о прибыли в виде процентов за пользование ссудой.
Существует множество инструментов для сокращения рисков связанных с невозвратном кредитов. Это поручительство физических лиц и юридических лиц, залог движимого и недвижимого имущества, оборудования и ценных бумаг. Но можно и даже нужно сокращать риски еще на этапе рассмотрения заявки на выдачу ссуды. Причина в том, что затраты и потери банков в связи с обращением взыскания на предмет залога достаточно велики. В значительной степени это может относиться и к поручительствам - например, к поручительствам физических лиц, когда заемщик и поручители проживают в средних и небольших городах и работают на одном из градообразующих предприятий. По сути, выдача кредита (даже при наличии обеспечения) целесообразна при высокой доле уверенности в кредитоспособности потенциального заемщика. Для этого требуется провести анализ платежеспособности заемщика. Для этого существует много методов и методик которые, имея на входе некую информацию о заемщике, позволяют на выходе получить оценку платежеспособности клиента согласно которой можно принять положительное, либо отрицательное решение о выдачи кредита.

Итак подведем итоги. Как таковой, вопрос, использовать, или нет банком скоринговую систему оценки платежеспособности заемщика стоит все реже. Конечно, подобная система очень помогает банкам сократить риски связанные с не возвратом заемных средств клиентом, а так же позволяет сократить сроки рассмотрения заявок без увеличения риска. В связи с массовым внедрением кредитных пластиковых карт. Банки, и другие эмитенты поняли полезность кредитного скоринга. Большое количество клиентов, подающих заявки на кредитные карты каждый день, сделало невозможным - ни экономически, ни с точки зрения трудозатрат - никакое другое решение, кроме как автоматизация принятия решения о кредитовании. При использовании кредитного скоринга эти организации быстро обнаружили, что эта методика является существенно более надежным прогнозом, нежели экспертные оценки (процент дефолтов снизился на 50% и более).