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.