Скоринговая модель
Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.
В западной банковской системе, когда человек обращается за кредитом, банк может располагать следующей информацией для анализа:
анкета, которую заполняет заемщик;
информация на данного заемщика из кредитного бюро -- организации, в которой хранится кредитная история всего взрослого населения страны;
данные движений по счетам, если речь идет об уже действующем клиенте банка.
Кредитные аналитики оперируют следующими понятиями: «характеристики» клиентов (в математической терминологии -- переменные, факторы) и «признаки» -- значения, которые принимает переменная. Если представить себе анкету, которую заполняет клиент, то характеристиками являются вопросы анкеты (возраст, семейное положение, профессия), а признаками -- ответы на эти вопросы.
В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель (score); чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности.
Интегральный показатель каждого клиента сравнивается с неким числовым порогом, или линией раздела, которая, по существу, является линией безубыточности и рассчитывается из отношения, сколько в среднем нужно клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии -- нет.
Все это выглядит очень просто, однако сложность заключается в определении, какие характеристики следует включать в модель и какие весовые коэффициенты должны им соответствовать. К этой проблеме имеется несколько подходов, которые будут рассмотрены в разделе «Методы классификации клиентов».
Философия скоринга заключается не в поиске объяснений, почему этот человек не платит. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. Мы не знаем, вернет ли данный заемщик кредит, но мы знаем, что в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому мы давать кредит этому человеку не будем.
В этом заключается дискриминационный (не в статистическом, а в социальном значении этого слова) характер скоринга, т. е. если человек по формальным признакам близок к группе с плохой кредитной историей, то ему кредит не дадут. Поэтому даже при очень высокой степени использования автоматизированных систем скоринга осуществляется субъективное вмешательство в случае, когда кредитный инспектор располагает дополнительной информацией, доказывающей, что человек, классифицированный как ненадежный, на самом деле «хороший», и наоборот.
Для страховой компании, занимающейся имущественным страхованием, данные скоринговые модели помогает определить, какие объекты имущества стоит страховать, а какие – нет.
В данной скоринговой модели рассматриваются транспортные средства, иностранного производства.
Критериями, по которым оцениваются транспортные средства, иностранного производства, являются:
Учет в ГИБДД (состоит, не состоит)
Наличие номера кузова
Наличие номера двигателя
Год выпуска
Срок эксплуатации (лет)
Введем следующие числовые шкалы для измерения указанных параметров:
учет в ГИБДД
если машина состоит на учете, то 1,если нет, то 0
наличие номера кузова
при наличии номера кузова 1, при отсутствии 0
наличие номера двигателя
при наличии номера двигателя 1, при отсутствии 0
год выпуска
если год выпуска установлен, то 1, если не установлен, то 0
срок эксплуатации
если срок эксплуатации до 10 лет, то 1, если свыше 5 лет, то 0
Каждому параметру присваиваем свой весовой коэффициент так, чтобы сумма всех весовых коэффициентов была равна 1:
Учет в ГИБДД 0,2
Наличие номера кузова 0,2
Наличие номера двигателя 0,2
Год выпуска 0,2
Срок эксплуатации (лет) 0,2
После определения шкал записываем решающее правило: если сумма взвешенных значений равна или больше порога, то объект имущества или транспортное средство стоит страховать, если ниже порога – не страховать.
n – число факторов
- значение i-го фактора
Р – значение порога.