На современном этапе развития экономики важнейшей составляющей является банковский сектор, без которого невозможно представить современную жизнь. Банковские услуги и продукты, предоставляемые коммерческими банками, плотно вошли в повседневную жизнь и способствуют решению финансовых проблем населения. В условиях перехода в цифровую среду на рынок финансовых услуг входят высокотехнологичные компании, тем самым обостряя конкуренцию. Чтобы укрепить свои позиции на рынке, банки внедряют в свои бизнес-процессы новые технологии, призванные упростить обслуживание клиентов и сократить издержки. Одной из таких технологий является интеллектуальный анализ, который применяется в розничном кредитовании.
Ключевые слова: кредитоспособность, интеллектуальный анализ данных, банковское кредитование, искусственный интеллект, Data Mining.
Выдача кредитов банками является одним из важнейших аспектов для его функционирования, именно поэтому так необходимо выдавать кредиты, кредитоспособным клиентам.
Кредитоспособность — комплексная правовая и финансовая характеристика заемщика, представленная финансовыми и нефинансовыми показателями, позволяющая оценить его возможность в будущем полностью и в срок оплатить заем. Кредитоспособность основана на финансовой способности экономического субъекта погашать взятые на себя долги и желание их погашать [2].
В разных странах по-разному оценивают кредитоспособность клиентов одна из основных зарубежных методик анализа кредитоспособности заемщиков называется 5C. В большей степени она используется американскими банками и основана на пяти параметрах: репутация заемщика, экономическая конъюнктура и ее перспективы, финансовые возможности, капитал и наличие обеспечения. Данная методика включает все основные параметры, которые используют американские компании, однако их не всегда возможно использовать в России. Например, в условиях нестабильности экономики сомнительным оказывается параметр экономической конъюнктуры и его числовое выражение [1].
Наиболее востребованной среди российских банков на сегодня является методика CAMELS, предложенная мировым банком, которая включает элементы, приведенные на рисунке. Каждая составляющая оценки в этой методике предполагает использования определенной системы коэффициентов ликвидности, финансовой устойчивости, платежеспособности и других параметров. Во многих российских банках данная методика адаптирована к нашим условиям, т. е. используются коэффициенты свойственные России, рыночным условиям структуре менеджмента, которые отличаются от зарубежных моделей. Данная методика наиболее достоверно позволяет оценить кредитоспособность заемщика, справедливо оценивает его возможности и выявляет некредитоспособных клиентов [3].
По большей мере интеллектуальный анализ используется для кредитного скоринга.
Кредитный скоринг — система оценки кредитоспособности лица, основанная на численных статистических методах. Кредитный скоринг широко используется как крупными банками, микрофинансовыми организациями, так и в потребительском экспресс-кредитовании на небольшие суммы. Также возможно его использование в бизнесе сотовых операторов, страховых компаний и т. д [5].
Интеллектуальный анализ помогает автоматизировать и ускорить оценку кредитоспособности заемщика. В некоторых случаях банк знает возможно ли клиенту получить кредит еще до того, как он за ним обратится, а банк за счёт этого может предложить кредит сам [6].
В существующих банковских скоринговых системах, которые основаны на ИИ, используются «стоп-правила» или «хард-чеки». Они представляют собой критические значения определенных характеристик потенциального заемщика, выход за которые служит основанием для отказа ему в выдачи кредита автоматической скоринговой системой. Эти правила используются организациями банковского сектора уже в течение долгого времени и доказали свою эффективность, грамотно отсекая большие сегменты неблагонадежных клиентов. Тем не менее, они редко пересматриваются и потенциально это ведет к тому, что в случае непредвиденных изменений экономической конъюнктуры средние характеристики потенциальных заемщиков могут меняться, и в таком случае эти «стоп-правила» начнут отсекать намного большее количество клиентов, снижая как их лояльность к банкам и вызывая тем самым рост недовольств, так и уровень прибыли самих банков. Так и произошло в 2020 году, когда в период пандемии на фоне резкого сокращения уровня одобрения вопрос привлечения новых клиентов стал особенно острым, потому как банки стали терять большое количество добросовестных клиентов. Таким образом, «предвзятость» банковского скоринга значительно снижает эффективность функционирования всего сектора, а значит, эта проблема нуждается в дополнительном регулировании.
Литература:
- Дядичев, В. В. Задачи и методы интеллектуального анализа данных / В. В. Дядичев, Е. В. Ромашка, Т. В. Голуб // Геополитика и экогеодинамика регионов. — 2015. — Т. 1 (11), № 3. — С. 23–29. — EDN WXOTAL.
- Солдатов, М. А. Анализ методов интеллектуального анализа данных / М. А. Солдатов, Т. С. Таратухина // Теория и практика экономики и предпринимательства: XVII Всероссийская с международным участием научно-практическая конференция, Симферополь-Гурзуф, 23–25 апреля 2020 года / Крымский федеральный университет имени В. И. Вернадского. — Симферополь: ИП Зуева Т. В., 2020. — С. 224–226. — EDN QCLMOR.
- Гиниятуллин, И. К. Интеллектуальный анализ данных и другие методы расширенной аналитики / И. К. Гиниятуллин, О. В. Федорова // Общество, государство, личность: применение научных знаний и технологий в решении социально-экономических задач региона: Материалы XXIII Национальной научно-практической конференции студентов, магистрантов, аспирантов и молодых ученых, Казань, 28 апреля 2023 года. Том Ч. 1.. — Казань: Университет управления «ТИСБИ», 2023. — С. 238–247. — EDN IQGXYW.
- Шварцкопф, Н. В. Совершенствование использования технологии интеллектуального анализа данных, как способ снижения кредитного риска / Н. В. Шварцкопф // Russian Economic Bulletin. — 2018. — Т. 1, № 1. — С. 10–18. — EDN YXUIYH.
- Клейнер, Г. Б. История современного кредитного скоринга / Г. Б. Клейнер, Д. С. Коробов // Проблемы региональной экономики. — 2012. — № 17. — С. 49–62. — EDN RKNVPD.
- Смирнов Е. Скоринг за секунды: как нейросети изменили выдачу кредитов [Электронный ресурс]// РБК Тренды. (27.04.2023).- URL: https://trends.rbc.ru/trends/industry/cmrm/644942449a7947981d14f327&(дата обращения: 30.05.2024)
