Как банки решают, что вам не надо давать кредит

Банки часто оправдывают отказы по кредитам скоринговой системой. По каким критериям банки оценивают скоринговые системы, способные разрушить ваши планы на жизнь? Можно ли обмануть «кредитный детектор»? Корреспондент Банки.ру попыталась проникнуть в некоторые тайны скоринга.

Скоринг — дитя войны

Для скоринговых систем портрет добросовестного заемщика примерно один, и никаких сюрпризов здесь нет: женщины, семейные, люди старше 40 лет, клиенты с высшим образованием, а также с хорошим стажем работы платят лучше остальных заемщиков. На основании анализа статистических данных было установлено, что семейные люди более ответственно подходят к выполнению своих кредитных обязательств и реже допускают просрочки.

В Сбербанке отмечают, что скоринг работает не только с социальными данными. Для оценки могут быть использованы любые данные, характеризующие заемщика: кредитная история, информация о движении по счетам, вкладам и картам, данные из социальных сетей…

Как правило, скоринг используется для расчета лимита кредитования, определения размера процентной ставки, вероятности мошенничества и вероятности социального дефолта по кредиту.

«До того как началась Вторая мировая война, скоринговых систем не было, были андеррайтеры. Эти люди сидели и принимали решения. Обычно в старые времена в банках люди работали всю жизнь. Они обладали опытом — знали, как принимать решения, кому давать, кому не давать кредиты. Классически они смотрели на состав семьи, возраст, пол клиента, его репутацию и принимали решения», — рассказал Банки.ру председатель правления банка «Восточный» Алексей Кордичев.

Потом случилась война. Многие «ушли на фронт и уже не вернулись после войны на работу андеррайтерами. И людей для принятия банковских решений не хватало. Тех, кто раньше работал андеррайтерами и вернулся работать в банки, начали опрашивать, как они принимали решения, записывать. Когда новых людей набирали, их учили, чтобы они смотрели на все эти факторы и по ним начисляли баллы. Так появилась идея скоринга.(Первые системы скоринга появились в американских банках как раз во время Второй мировой войны.)

Интересно, что принцип использования логистической регрессии для кредитного скоринга был позаимствован из медицины — во время войны в английской армии пользовались чем-то подобным для определения вероятности заражения вирусными болезнями, определяя корреляцию между симптомами и фактом заболевания.

Это уже потом баллы научились начислять статистически — наблюдая за корреляцией дефолтов с теми или иными факторами, характеризующими заемщика.

Как отличить хороший скоринг от плохого

Довольно сложно определить, по каким критериям нужно оценивать скоринговые системы. Грубо говоря, как понять, где хорошая, а где плохая?

По мнению заместителя председателя правления АО «РНКО «Фидбэк» Константина Соклакова, качество работы скоринговой системы оценивается в первую очередь по тем параметрам, которые проверяет система: начиная от паспортных данных, ИНН, СНИЛС, дохода, водительского удостоверения и т. д. и заканчивая составом семьи, образованием, наличием непогашенных кредитов и просрочек по ним, а также отслеживанием судимостей и административных правонарушений.

Помимо качественной проработки данных, необходимо обращать внимание на их актуальность.

«Классические критерии оценки скоринга — это процент так называемых ошибок первого и второго рода, то есть число ложноположительных и ложноотрицательных срабатываний. Для кредитного скоринга это процент одобренных кредитов, выданных недобросовестным заемщикам, и процент ошибочных отказов в выдаче ссуды. В обоих случаях банк теряет деньги», — объясняет руководитель направления противодействия мошенничеству центра информационной безопасности компании «Инфосистемы Джет» Алексей Сизов.

Разработчики алгоритмов для скоринговых систем бьются над тем, как сбалансировать эти два параметра.

К другим критериям оценки скоринговых систем специалистами можно отнести скорость работы, количество используемых источников данных, способность системы к самообучению. Но для бизнеса важен только один параметр — сколько денег экономит такая система.

«Скоринг может работать, как магический шар»

Основной способ обхода банковского скоринга стар как мир — это предоставление ложных данных. Чем больше источников данных у скоринговой системы, чем совершеннее алгоритмы, тем сложнее это сделать. «Знание алгоритмов скоринга, конечно, упрощает работу для мошенников», — отмечает Алексей Сизов.

«Однако этих алгоритмов зачастую могут не знать и сами сотрудники банка, потому что часть производителей держат их в секрете. Скоринг может работать, как магический шар. Ему задают вопрос, а затем он выдает ответ — но как именно он это сделал, точно не известно. В одном из банков, занимающихся розничным кредитованием, в рамках расследования массового невозврата ссуд выяснилось, что скоринг из-за сбоя несколько месяцев выдавал только положительные решения. Злоумышленникам не требовалось прилагать особых усилий для обхода системы», — рассказывает Сизов.

Считается, что чем тщательнее настроена система, тем сложнее ее обойти. Некоторые эксперты считают, что в большинстве случаев сделать это просто невозможно.

Банки очень аккуратны в выборе скоринговой системы и, как правило, не берут уже готовую программу, а создают свою собственную. Их опасения можно понять. Например, в объединенных банках «Восточный Экспресс» и «Юниаструм», теперь работающих под брендом «Восточного», доля розничных заявок, проходящих через скоринг, составляет 100%. В ближайшее время кредиты для малого бизнеса там также планируют выдавать с использованием скоринговых оценок. В банке ВТБ тоже все кредитные заявки проходят через скоринговую систему. Скоринговые модели, как внутренние, так и внешние, используются и в процессе принятия решения по всем розничным кредитным продуктам Абсолют Банка.

В Сбербанке используют скоринг для оценки рисков и принятия кредитных решений при рассмотрении всех заявок физических лиц, включая ипотеку. При этом нужно отметить, что скоринговые технологии не исключают экспертную оценку данных. Сбербанк комбинирует скоринговые и экспертные методы оценки заемщика, применяя различные стратегии принятия решений. В целом для оценки кредитного риска Сбербанк использует сотни различных стратегий сбора и анализа данных.

Скоринг — не только для кредитов

Спектр применения скоринговых систем достаточно широк и не ограничивается только кредитными решениями. Скоринговые технологии используются для расчета предодобренных лимитов, изменения лимитов по кредитным картам, истребования проблемной задолженности, обеспечения кибербезопасности, оценки рисков сформированного кредитного портфеля.

В Росэнергобанке используется несколько систем проверки заявок на кредит, включая и статистический скоринг. Безусловно, система помогает выявить сомнительные параметры в заявках, но основной акцент делается на жестких правилах как кредитной истории, так и различных систем предотвращения мошенничества. Процент отказа по статистическому социально-демографическому скорингу составляет не более 2%.

«В настоящее время мы заинтересованы в официальных источниках информации о месте работы клиентов и их уровне дохода (ФНС и пенсионный фонд), а также обязательном для всех участников рынка кредитования механизме ограничения кредитной нагрузки на клиентов с целью снижения кредитных рисков», — рассказал директор департамента розничных кредитных рисков Росэнергбанка Рустам Идрисов.

Росэнегобанк, разумеется, не единственная финансовая организация, которая, помимо скоринга, использует другие системы проверки заявок на кредит.

Например, в Абсолют Банке социально-демографическая, кредитная либо поведенческая оценка заемщика с использованием скоринговых моделей является лишь частью процесса анализа данных по заемщику и принятия решения по его кредитованию.

«Поскольку такие модели определяет лишь вероятность возникновения дефолта на основании ограниченного набора параметров, окончательное решение по заявке (особенно в ипотечном кредитовании) принимается исходя из экспертной оценки всех негативных и компенсирующих факторов, выявленных в ходе андеррайтинга. К числу таких факторов относятся в том числе общий стаж работы и стаж работы на текущем месте работы, размер организации — работодателя заемщика», — комментирует директор департамента кредитования розничного бизнеса Абсолют Банка Елена Ковырзина.

По словам Алексея Сизова из центра информационной безопасности компании «Инфосистемы Джет», основное направление развития скоринга сегодня — алгоритмы самообучения и поведенческого анализа, позволяющие пресекать даже неизвестные до этого момента типы мошенничества. Другое направление развития — подключение к скорингам все новых источников данных, работа с Big Data. Крупные банки для нужд скоринга индексируют не только традиционные базы с информацией по физическим и юридическим лицам, решениям судов, но и социальные сети, форумы. Автоматизированная оценка благонадежности клиента по его интересам во «ВКонтакте» — уже не фантазии, а реальность сегодняшнего дня.

«Будущее банков — автоматизированные комплексы с минимальным участием сотрудников. Это будущее, которое «рисуют» нам ведущие игроки рынка. Дистанционное обслуживание клиентов (интернет-банкинг, мобильный банкинг) развивается наиболее быстро в банковской отрасли — это служит дополнительным толчком для развития и скоринговых систем, адаптации их к новым условиям работы организаций», — заключает заместитель председателя правления АО «РНКО «Фидбэк» Константин Соклаков.