Аналитика и комментарии

05 октября 2021
 

Как построить эффективный скоринг?

Пандемия и связанный с ней экономический кризис стали серьезным стресс-тестом для финансовых организаций, банков и МФО, и их скоринговых систем. Потребовалось оперативно перенастраивать модели, тестируя на эффективность те или иные гипотезы. Андрей Пономарев, генеральный директор финансовой онлайн-платформы Webbankir, рассказывает о современных моделях оценки клиентов и перспективных технологиях.

На микрофинансовом рынке особенно непросто пришлось традиционным игрокам, которые под давлением внешних обстоятельств наконец занялись онлайн-кредитованием. Есть существенная разница между выдачей займов в отделении компании и через интернет. В первом случае необходимо учитывать риски социального дефолта, то есть сможет ли человек вернуть деньги в срок. Во втором – надо еще правильно идентифицировать человека, не видя ни его самого, ни его паспорта. В целом это вполне посильная задача, о чем свидетельствует опыт нашей компании и других крупных участников онлайн-сегмента. Но на этапе запуска она требует значительных инвестиций в технологии и неизбежно сопровождается ошибками в скоринге, пока модель не будет отлажена.

Конечно, можно купить уже готовые системы, но специфика рынка такова, что сегодня все серьезные организации, будь то банки или МФО, развивают собственный скоринг, который учитывает особенности именно их клиентской базы. В долгосрочной перспективе это более выгодная стратегия.

Скоринг – это всегда поиск оптимального баланса. Система постоянно находится под действием двух противоположных сил. С одной стороны, любая кредитная организация хочет расти, а для этого следует снижать уровень требований к заемщикам. С другой стороны, необходимо сохранять финансовую стабильность и доходность, а это предполагает «закручивание гаек». В действительности задача в том, чтобы скоринг был не жесткий или мягкий, а точный. И здесь необходимо учитывать несколько моментов.

Как часто менять скоринговую модель?

На фоне текущей турбулентности в экономике, складывается ощущение, будто скоринговую модель нужно пересматривать чем чаще, тем лучше, по принципу «адаптируйся или проиграешь». Например, в период режима жесткой самоизоляции, который пришелся на второй квартал 2020 года, уровень одобрения новых кредитных заявок в банках снизился почти в два раза по сравнению с показателем предыдущего квартала, свидетельствуют данные рейтингового агентства «Эксперт РА».

МФО также снижали показатель AR (approval rate), хотя далеко не так резко. Однако уже начиная с лета они вновь смягчили подход к оценке заемщиков. В результате объемы выдач стали расти и в целом в 2020 году сохранились на том же уровне, что и годом ранее – 417 млрд руб, по данным Банка России. А портфель микрозаймов даже увеличился на 18%, до 249 млрд руб.

Между тем все эти «зигзаги» не обязательно означали глубинные изменения самих скоринговых моделей. Для уменьшения или увеличения потока выдач, не обязательно перестраивать систему – достаточно всего лишь подкорректировать ее настройки, то есть задать порог, кого считать «хорошими клиентами». Методика оценки при этом может оставаться прежней.

Более того, несмотря на нестабильность текущей экономической ситуации, часто менять скоринговую модель – это плохая идея. Почему? Ответ на этот вопрос кроется в самой природе скоринга, точнее в статистических данных, на которых он основан. Банки и МФО могут прогнозировать поведение клиентов, которые похожи на тех, кто ранее уже получал кредит или заем. Но они не могут предсказать, как ведут себя люди, которым в выдаче было отказано. На языке статистики это называется «смещенной выборкой». Каждый раз, когда мы меняем скоринговую модель, в нее попадают новые классы клиентов, статистики по которым еще нет. По сути, для финансовой организации они – terra incognita. Поэтому точность оценки неизбежно падает.

Значит ли это, что нужно навсегда заморозить скоринговую модель, доказавшую свою эффективность? Тоже нет, хотя бы потому, что абсолютно стабильной скоринговой модели не может быть в принципе. Она всегда основана на переменных. Например, изменениям подвержен даже такой базовый показатель, как номинальный доход клиента, ведь на его реальную величину влияет инфляция. Поэтому параметры в любом случае приходится постоянно корректировать.

Итак, наиболее эффективным инструментом представляется скоринговая модель, которая способна работать без существенных изменений хотя бы в течение года. Лучше, если дольше.

Как много данных нужно для хорошего скоринга?

Вторая «ловушка», которая подстерегает компании, это болезнь лишних данных. С одной стороны, построить хороший скоринг на скудной статистике нельзя. С другой – некоторые участники рынка увлекаются и стараются скупить все доступные данные, считая, что таким образом смогут лучше оценить потенциальных клиентов. На практике это приводит к резкому увеличению затрат на скоринг, ведь информация стоит денег. И, к сожалению, далеко не вся информация имеет одинаковую ценность. 

Задача специалистов по скорингу – постоянно соотносить стоимость данных с их практической пользой. Иными словами, если затраты на новый источник информации превышают дополнительную ценность от его использования, от него надо отказываться.

Оптимизация источников информации имеет особое значение для микрофинансового сектора. Ведь если бизнес банков, как правило, строится на выдаче крупных кредитов на достаточно длительное время, будь то автокредиты или ипотека, то МФО часто ориентируются на сравнительно небольшие и краткосрочные займы. По данным ЦБ РФ, PDL-займы (займы до 30 тыс. рублей сроком до 30 дней) составляли в первом квартале 2021 года 54% в портфелях МФР и 52% – в объемах выдачи.

Скоринговая модель банка должна выявить вероятность долгосрочной платежеспособности клиента, отсюда требования справок по форме 2-НДФЛ, запросы в Пенсионный фонд и другие сложные процедуры. Для МФО такой показатель, как платежеспособность, напротив, не играет большой роли. В конце концов, если речь идет о PDL-кредитовании, клиенту нужно всего лишь единоразово погасить в течение месяца заем на относительно скромную сумму, скажем, на 10 тыс. рублей. Можно предположить, что, скорее всего, среднестатистический человек окажется в состоянии это сделать. Отсюда и большая лояльность в оценке заемщиков. Да и затраты на сбор огромного массива данных в случае PDL-займов могут просто не окупиться.

Здесь мы переходим к третьему вопросу.

Какие данные важны для скоринга сегодня и в будущем?

Если банки уделяют внимание подтвержденному доходу клиенту, то самая надежная переменная для МФО – это хорошая кредитная история. Логика проста: если человек исправно расплачивался по кредитам, скорее всего, он продолжит делать это и в будущем.

Среди технологических новшеств, которые могли бы улучшить точность скоринга, следует назвать Единую систему идентификации и аутентификации (ЕСИА). Доступ к ней позволит получать дополнительную информацию о заемщиках, хранящуюся в государственных базах данных. Это, например, сведения о доходах на основе данных ПФР.

Другой технологический тренд, способный положительно повлиять на скоринг, – использование биометрии. По крайней мере, это упростит процесс удаленной идентификации клиентов, сделает первое обращение в финансовую организацию еще более комфортным. К сожалению, внедрение биометрии происходит не так быстро, как хотелось бы, но тот факт, что за ее распространение выступает Банк России, внушает оптимизм.

В конце концов, прогресс не стоит на месте. Сохраняя разумную стабильность, скоринговые модели постоянно совершенствуются.

Поделиться: