Глава 2. Построение скоринговой модели оценки кредитоспособности физических лиц на примере ооо «хкф Банк».

2.1 Описание исходной базы данных

Для проведения аналитической работы была получена клиентская база Обнинского регионального представительства «ООО ХКФ Банк» в размере 2500 кредитных договоров, выданных в период с сентября 2011 года до марта 2012 года.

По каждому кредитному договору приведена следующая информация:

Сумма кредита (руб.)

Первоначальный взнос (руб.)

Размер ежемесячного платежа (руб.)

Срок кредита (мес.)

Наличие страховки (1-да, 0-нет)

Эффективная процентная ставка (%)

Заработная плата клиента (руб. в месяц)

Заработная плата супруга клиента (руб./месяц, при наличии супруга)

Наличие автомобиля в собственности (1-да, 0-нет)

Наличие иного недвижимого имущества в собственности (0-нет, 1-квартира/дом, 2-несколько единиц недвижимости)

Общая сумма иных действующих кредитов на момент подписания договора (руб.)

Ежемесячный суммарный платёж по иным кредитам (руб./мес.)

Кредитная история ( -1 – по прошлым договорам/договору возникали просрочки, 0 – кредитной истории нет, 1 – раннее клиент успешно выплатил 1 кредит, 2 – клиент успешно выплатил 2 кредита и более)

Возраст (лет)

Семейное положение (0 – холост/не замужем; 1 – женат/замужем)

Стаж на последнем месте работы (лет)

Образование (0,5 – среднее, 1 – среднее-специальное, 1,5 – неоконченное высшее, 2 – высшее)

Количество детей/иждевенцев (человек)

Должность на постоянном месте работы

Отрасль работы

Регион проживания

Срок проживания в текущем регионе (лет)

Личная оценка кредитного специалиста (0 – нет особых примечаний, 1 – положительная рекомендация)

Исходя из имеющейся информации, можно построить методику оценки кредитоспособности на основе модели Дюрана и модели логистической регрессии.

2.2 Оценка эффективности методики Дюрана при оценке заёмщиков

Одной из самых известных моделей оценки кредитоспособности физического лица является модель Дюрана. Дюран выявил группы факторов, позволяющих максимально определить степень кредитного риска. Также он определил коэффициенты для различных факторов, характеризующих кредитоспособность физического лица:

Пол: женский (0.40), мужской (0)

Возраст: 0.01 балл за каждый год свыше 20 лет, но не больше, чем 0.30

Срок проживания в данной местности: 0.042 за каждый год, но не больше, чем 0.42

Профессия: 0.55 – за профессию с низким риском; 0 – за профессию с высоким риском; 0.16 – другие профессии

Финансовые показатели: наличие банковского счета – 0.45; наличие недвижимости – 0.35; наличие полиса по страхованию – 0.19

Работа: 0.21 – предприятия в общественной отрасли, 0 – другие

Занятость: 0.059 – за каждый год работы на данном предприятии

Также он определил порог, перейдя который, человек считался кредитоспособным. Этот порог равен 1.25, т. е. если набранная сумма баллов больше или равна 1.25, то потенциальному заемщику выдается испрашиваемая им сумма.

В соответствии с данной методикой был произведён расчёт по клиентской базе с целью оценить актуальность и эффективность данной методики. Также, экспериментальным методом был определён оптимальный порог, который Дюран предлагает устанавливать на уровне 1,25.

Для расчёта финансовой эффективности стратегии была взята 10% бесповторная случайная выборка из общего массива данных.

Случайная бесповторная выборка результатов приведена в приложении 1.

В результате применения методики Дюрана были получены следующие показатели эффективности моделей с различными порогами:

Таблица 1. Показатели эффективности методики Дюрана с различными порогами одобрения

Порог	Доход	Недополученный доход	Прибыль
1,10	1 219 369р.	-497 115р.	722 254р.
1,15	1 219 369р.	-470 501р.	748 869р.
1,20	1 219 369р.	-404 218р.	815 151р.
1,25	1 169 788р.	-395 731р.	774 058р.
1,30	1 147 216р.	-385 075р.	762 142р.
1,35	1 099 569р.	-378 644р.	720 924р.
1,40	1 050 039р.	-378 644р.	671 395р.

Рисунок 1. Влияние величины порога на эффективность оценки по методике Дюрана

Наибольшую прибыль банк получил бы при установке порогового значения на уровне 1,20, т.е. рекомендуемая Дюраном величина не является оптимальной в данном случае.

Исходя из этого можно сделать следующие выводы, объясняющие данные результаты:

1. В первую очередь это связано с тем, что эта методика разрабатывалась для банков США, где структура и значимость отдельных рисков отличается от российской.

2. Средний уровень благополучия населения в России ниже, чем в США, поэтому введение более жёсткого коэффициента «отсекает» от возможности получения кредита большую долю населения, что ведет к потере возможного дохода.

3. Группа людей, получивших оценку в пределах 1,20-1,25 по меркам методики Дюрана считаются ненадёжными клиентами, однако полученные результаты показывают, что клиенты этой категории достаточно благонадёжны и им выгодно выдавать кредиты (доход от кредитования данной группы превышает потери).

Стоит отметить, что снижение порогового значения ниже 1,20 не приводит к увеличению дохода, так как к получению кредита допускаются дополнительные неплатёжеспособные клиенты. Следовательно, порог величиной 1,20 позволяет распознать надёжного клиента в 91% случаев, что является пределом для данной модели.

Повышение же порога выше 1,35 уже не отсеивает дополнительных ненадёжных клиентов. Следовательно, клиент, получивший оценку выше 1,35, с вероятностью близкой к 100% окажется платёжеспособным.