Банк «Юнистрим» принял участие в исследовании, посвященном методам оценки кредитных рисков

Темой исследования было выявление факторов, которые сильнее всего влияют на изменение моделей кредитного скоринга в финансовых учреждениях.

Многие финансовые организации сегодня в построении своих бизнес-моделей и кредитного скоринга используют графовую аналитику и геоданные, big data, нейронные сети и многих другие значимые элементы. При этом многое из того, что используется сейчас не было актуальным еще 5 лет назад. Результаты исследования, проведенного совместно порталом Займ.ком и газетой Коммерсант, демонстрируют, насколько часто меняются существующие на рынке модели кредитного скоринга в кризисные периоды. Суть любого скоринга состоит в присвоении потенциальным заемщикам баллов, позволяющих финансовому учреждению в автоматическом режиме принимать решения об одобрении или отказе в выдаче кредита или займа.

На этапе появления подобных систем широко использовалась линейная и логистическая регрессии, которые позволяли получать прозрачные модели выстраивания кредитного рейтинга. Но на фоне получения огромного количества данных о потребителях финансовых услуг банки стали развивать предиктивные алгоритмы, с помощью которых стало возможным выявлять определенные закономерности, которые были недоступны ранее. Очевидно, что новые технологии позволили значительно повысить качество кредитного скоринга. Это привело к необходимости пересматривать скоринговые модели с гораздо большей регулярностью по сравнению с тем, как это было ранее. Многие финансовые организации пересматривают свои модели чуть ли не ежемесячно. Но при этом возникла другая сложность – сделать так, чтобы возможные изменения не приводили к негативным последствиям для компании.

В кризисный период особенно важно фокусироваться на стабильных переменных, основывая финансовые модели на глубоких выборках. По мнению многих экспертов и аналитиков кредитное поведение большинства заемщиков остается достаточно инертным. Но в период кризисов оно естественно может меняться. Поэтому для многих кредиторов одной из актуальных задач остается обучение своих систем к работе в условиях кризиса. Любые изменения в скоринговых моделях могут приводить к попаданию в выборку новых классов клиентов, поведение которых не предсказуемо.

В условиях быстроменяющегося мира скоринговые модели должны быть адаптивными. Разработчикам необходимо учитывать комплекс политических, экономических, социальных и прочих факторов для сохранения высокой эффективности скоринговых систем.

Скоринговые модели сегодня определяют эффективность любых финансовых учреждений. От качества скоринга во многом зависит прибыльность банков. В Юнистрим также используются скоринговые модели, за счет которых банк получает возможность лучше прогнозировать свою прибыль, в том числе и по новым продуктам. В частности, банк старается качественнее анализировать информацию по своей целевой аудитории, которая пользуется новой картой с бесплатной страховкой на случай потери трудоспособности. По сути это дебетовая карта, включающая страховой продукт. Неопределенности банка в данном случае связаны именно со страховой составляющей, поскольку здесь есть риски объективного фрода, когда клиенты теоретически могут злоупотреблять с получением страховых выплат.

У банка Юнистрим специфическая аудитория, часть которой состоит из трудовых мигрантов, приезжающих на заработки в Россию. Это очень сложный сегмент, с которым приходится выстраивать индивидуальную работу. Особенности аудитории во многом определяют скоринговые модели банка. Для более качественного определения рисков банк Юнистрим активно использует аналитику от своей системы денежных переводов, являющейся одной из самых популярных на рынке, особенно для переводов в страны СНГ. Полученные данные позволяют банку создавать такие продукты, которые окажутся более удобными и выгодными для клиентов. К последним таким продуктам можно отнести новую дебетовую карту с бесплатной страховкой на случай потери трудоспособности и платформу «Uniwork», которая позволяет трудовым мигрантам быстро находить работу и минимизировать риск сотрудничества с недобросовестным работодателем.