дсутня.
Історична інформація - інформація про історію фінансових операцій з клієнтом. Поки що в більшості випадків така інформація відсутня.
З отриманої інформацією проводиться два основних дії - перевірка інформації (банки не хочуть видавати кредит тому, хто їх обманює) і кредитний скоринг.
Перевірка інформації повинна включати:
перевірку інформації на повноту і несуперечність (у разі необхідності інформація уточнюється);
перевірка інформації по зовнішніх баз даних. У більшості випадків банк може отримати бази для перевірки демографічних даних таких, як прописка і володіння автотранспортом. Частина цих перевірок може бути інтегрована, а частина вимагати вивантаження даних та перевірки вручну інспектором безпеки;
перевірка інформації на відповідність даних даним інших анкет. Такі перевірки можуть виявити, наприклад, ситуацію, коли дружина вже отримала кредит, а чоловік подав заявку на ще один споживчий кредит.
Для скорингу зазвичай пропонується використовувати нейронну мережу. Властивість універсальної апроксимації нейронної мережі говорить про те, що вона працює принаймні не гірше за будь наперед заданого методу або моделі кредитного скорингу. Нейронна мережа навчається на конкретних демографічних та ситуаційних даних.
Як і з усякою системою, заснованою на системах штучного інтелекту, з нейронною мережею найскладніше - її навчання і запуск в експлуатацію. У початковий момент відсутня історія видачі кредитів, і навряд чи конкуренти поділяться інформацією. Більш того, дані різняться по регіонах, і ті ознаки, які були важливі в одному регіоні, можуть в іншому не працювати.
Відповідно, пропонується взяти спочатку якомога більше анкетних і ситуаційних даних про клієнта. Надалі ті пункти анкети, які не впливають на кредитний ризик, відкинути.
Початкове навчання нейронної мережі проводиться на основі спеціально згенерованої вибірки анкет і простий скорингової моделі та експертних оцінок.
Іншою проблемою, пов'язаною з використанням нейронної мережі є деяка непрозорість для людського розуміння прийнятих нею рішень. Рішення, пропоноване розробниками даних автоматизованих систем, полягає у:
витяганні правил з нейронної мережі для розуміння факторів, що впливають на кредитні ризики та управління ними;
затвердження та використанні в операційній діяльності дерева рішень.
Пропонується розробка та впровадження системи скорингу, що дозволяє оцінювати кредитний ризик позичальника і всього кредитного портфеля на підставі унікальної моделі, адаптований до даних. Модель скорингу фізичних осіб може базуватися на анкетних даних позичальників, експертних знаннях менеджменту банку, численних оцінках, отриманих на статистиці поганих і хороших кредитів, численних оцінках, побудованих на об'єктивній регіональної та галузевої інформації.
У результаті роботи моделі за оцінкою конкретного позичальника формується кредитний портрет потенційного позичальника, що дозволяє проводити:
процедуру поділу потенційних позичальників на поганих raquo ;, яким не може бути виданий кредит, і хороших raquo ;, яким кредит може бути виданий;
розрахунок індивідуальних параметрів кредитної угоди для конкретного позичальника (ліміт, відсоток, термін, графік погашення кредиту);
розрахунок ризику та управління кредитним портфелем по всіх позиках, що видаються приватним особам.
Методологія вирішення базується на аналізі специфіки діяльності банку. При цьому враховуються як групи клієнтів (галузева і регіональна приналежність та ін.), Так і кредитні продукти банку для фізичних осіб. Виходячи з потреб банку в розвитку бізнесу та наявних даних, можуть бути побудовані скорингові моделі, засновані на експертних знаннях банківського менеджменту, на статистичних даних, на обліку макроекономічних даних про соціально-економічному розвитку конкретних регіонів і галузей. Найбільш потужними по точності оцінки кредитного ризику є моделі, що використовують комплексний підхід, тобто облік всіх даних та експертних знань менеджменту банку.
Ключові переваги від впровадження скорингової системи:
Скорочення термінів ухвалення рішення про надання кредиту. Збільшення числа і швидкості обробки заявок за рахунок мінімізації документообігу при видачі кредиту приватним клієнтам, як найважливіший спосіб забезпечення прибутковості ритейлового кредитування.
Ефективна оцінка і постійний контроль рівня ризиків конкретного позичальника.
Зниження впливу суб'єктивних факторів при пр...
