Скоринговая оценка: как проверяют надежность заемщика

Чтобы эффективно работать и получать прибыль, банки должны работать с большим количеством клиентов, в том числе новых, которые обратились за кредитом впервые.

Каждого потенциального заемщика следует тщательно проверить, оценить его кредитоспособность и то, насколько аккуратно он будет обслуживать и возвращать долг. Для того чтобы сделать это за минимально возможное время, но при этом не потерять в качестве оценки, банки применяют скоринговую систему оценки кредитоспособности клиентов.

Скоринговая система

От английского scoring – «подсчет очков».

Такая система анализирует факторы, влияющие на риск невозврата займа и выдает рекомендации по одобрению заявки или отказу. При оформлении кредита заемщику в первую очередь предлагается заполнить анкету. На основе ответов на вопросы анкеты, а также данных кредитной истории и представленных документов выставляется скоринговая оценка. За каждый ответ, варианты которого включают повышающие или понижающие коэффициенты, клиент получает определенное количество баллов. Итоговый результат раньше подсчитывали вручную банковские сотрудники, сегодня это делается автоматически в специальных программах.

Где применяется скоринг

Скоринговая модель незаменима при необходимости обработки больших массивов информации в условиях ограниченного объема времени. Именно поэтому она широко используется в области микрофинансирования и экспресс-кредитования, где на рассмотрение данных потенциального заемщика и принятие решения отводится менее одного часа.

Для проверки кредитоспособности в специальную программу вносят информацию из заполненной заявки. Система автоматически сравнивает указанные потенциальным заемщиком данные со статистикой. Так, если в базе есть сведения о том, что люди аналогичного возраста или профессии нередко не возвращают кредит, решение по заявке может оказаться отрицательным.

Несмотря на то что скоринговая система выдает только рекомендацию, в подавляющем большинстве случаев она принимается. В таких случаях кредитор отказывает потенциальному заемщику без объяснения причин.

Такой подход, конечно, имеет свои недостатки для заемщика, которому почти невозможно представить дополнительные доводы для принятия положительного решения. Но для банка преимущества скоринга неоспоримы.

Преимущества скоринговой системы оценки кредитоспособности

• Быстрота принятия решений. Если анализом платежеспособности заемщика занимается сотрудник банка, это потребует много времени. Специалисту необходимо самостоятельно проверить каждый параметр, вручную внести все полученные результаты и сделать вывод. С помощью современных скоринговых систем оценки кредитоспособности данные обрабатываются быстро, а значит, и решение принимается оперативно.




• Объективность. Даже опытный и квалифицированный специалист может допустить ошибку в подсчетах или сформировать предвзятое мнение из-за личного отношения к клиенту. Рейтинг заемщика, который выдает скоринговая система, – гораздо более объективный показатель кредитоспособности, потому что он высчитывается в автоматическом режиме. При этом сотрудник банка не может повлиять на работу алгоритма.




• Финансовая выгода. Использование скоринговой модели оценки кредитоспособности позволяет значительно уменьшить долю невозврата. Это не только увеличивает прибыль банка, но и дает ему возможность предлагать более выгодные условия для всех клиентов. Уровень невозврата прямо влияет на процент по кредитам, поэтому добросовестные плательщики также заинтересованы в его снижении.




• Возможность тонкой настройки. Скоринговую систему можно легко подстроить под изменения кредитной политики банка. Если экономическая ситуация позволяет увеличить аппетит к риску, то достаточно снизить пороговый балл для принятия положительного решения.

От чего зависят результаты скоринга

Итоговая оценка при использовании любой скоринговой модели складывается из целого ряда показателей.

В первую очередь проверяются паспортные данные заемщика, информация о месте проживания и другие контактные данные. Это предварительный этап, на котором отсеиваются претенденты с недействительными документами.

Затем происходит анализ других факторов.

• Личная информация о клиенте. Скоринг-оценка учитывает семейное положение заемщика, наличие у него несовершеннолетних детей и других иждивенцев. Также принимается во внимание продолжительность стажа на последнем месте работы.




• Платежеспособность претендента. Один из самых значимых факторов, влияющих на скоринг-балл. Чтобы получить одобрение, необходимо доказать не только наличие дохода для погашения займа, но и регулярность его получения, то есть стабильность источников этого дохода. Поэтому для оценки финансового положения и кредитоспособности в большинстве случаев (особенно при выдаче крупных кредитов) требуется предоставить документы с места работы: справку 2-НДФЛ или по форме банка. При этом важно, чтобы показатель предельной долговой нагрузки (ПДН) заемщика не превышал 50 % – то есть совокупные расходы по всем кредитам были как минимум вдвое меньше, чем получаемые заемщиком доходы.




• Кредитная история. При скоринговой оценке кредитоспособности клиентов обязательно проводится проверка задолженностей и просрочек по ранее взятым ссудам, а также то, насколько аккуратно исполнялись прежде обязательства перед кредиторами. Для этого банк с согласия клиента запрашивает его кредитную историю в одном из бки, где отражается вся необходимая информация по обслуживанию ранее взятых кредитов. Кроме того, в кредитной истории записываются все поданные ранее заявки на получение займов в других организациях – даже если в кредите было отказано. Это помогает банку оценить надежность клиента, степень его закредитованности и то, насколько часто он обращается за заемными средствами. Так, наличие большого процента отказов от других финансовых организаций, как правило, снижает скоринговый балл.




• Транзакционное поведение. Если заемщик является зарплатным клиентом или имеет депозит в банке, скоринговый балл при определении кредитоспособности может быть повышен. При этом также учитываются размер накоплений на счете и их динамика.

Все данные скоринговая система проверяет по отдельности и сравнивает между собой, чтобы выявить возможные противоречия. Подтверждением достоверности указанных сведений является наличие связи между доходами и расходами потенциального заемщика, местом работы и адресом проживания и т. д.

Как получить положительную оценку скоринговой системы

Несмотря на то что каждый банк применяет собственную скоринговую систему, большая часть вопросов вполне стандартные, к ответам на них можно подготовиться заранее, чтобы увеличить шанс положительного решения. Как это сделать?

• Исключить просрочки по займам. Чтобы увеличить шансы на хорошую оценку и одобрение заявки, нужно иметь качественную кредитную историю. Это значит, что все прежние обязательства должны быть исполнены полностью и своевременно. Поэтому даже при возникновении трудностей важно следить за своей финансовой дисциплиной, не допускать нарушения графика платежей. Лучше вовремя предоставить банку документальное подтверждение временной неплатежеспособности и разработать схему реструктуризации долга или отсрочки. Это позволит закрыть текущий кредит и повысить вероятность одобрения нового.




• Открыть банковский вклад. В большинстве банков можно повысить шансы на получение кредита, открыв депозит или текущий счет с регулярным пополнением (лучше всего иметь зарплатную карту этого банка).




• Указать в заявке только реальные сведения. На оценку также влияет аккуратность заполнения анкеты. Информация должна быть объективной и правдивой: сомнения в достоверности сведений могут стать причиной для отказа в кредите. Банки часто проверяют достоверность указанных сведений.




• Обратить внимание на актуальность контактов в анкете. Чтобы повысить скоринговую оценку кредитоспособности, необходимо указывать в анкете только реальные контактные данные. Сотрудник банка должен иметь возможность дозвониться до всех абонентов, телефоны которых вписал потенциальный заемщик. Если связаться с ними не удастся, это может стать поводом для отказа в кредите.

Что делать, если скоринговая система отказала в кредите

При низком скоринг-балле система обычно просто отклоняет заявку, при этом клиенту не сообщается о причинах такого решения. Сотрудники банка часто рекомендуют повторить обращение через несколько месяцев. В качестве альтернативы можно попробовать подать заявку в другую финансовую организацию. Однако делать это следует с осторожностью: все отказы фиксируются в кредитной истории, а если их слишком много, оценка снижается.

Именно поэтому перед обращением в банк за кредитом


необходимо проверить свою кредитную историю и Персональный кредитный рейтинг в личном кабинете

чтобы лучше понять собственные возможности и минимизировать вероятность отказа

Получить

Заемщику с высоким ПКР будут рады в любом банке!

Скоринг, что это? Скоринговая оценка кредитоспособности физического лица.

В этой статье портал Кредитофф (Credytoff) ответит на вопросы: “скоринг, что это? и как осуществляется скоринговая оценка кредитоспособности физического лица”.

Получение максимальной прибыли для банков напрямую связано с качеством кредитных заявок. Банк не меньше заемщика заинтересован в возврате выданного займа. Поэтому банкиры проводят скрупулезную проверку заемщиков и анализируют кредитные риски.

Скоринговая оценка кредитоспособности физического лица

Кредитный риск – это возможные финансовые потери вследствие неисполнения заемщиком обязательств по кредитному договору. Это может касаться несвоевременных платежей (просрочек) или полный отказ от платежей по займу.

Для того, чтобы максимально снизить кредитные риски, банкирами используется скоринговая оценка потенциальных клиентов.

На сегодняшний день, скоринговая оценка кредитоспособности физического лица, широко применяется для оценки благонадежности заемщика. Скоринг дает понимание, полагаясь на кредитные истории уже действующих или бывших клиентов, насколько велик шанс того что потенциальный заемщик вернет деньги в установленную договором дату.

Скоринг, что это?

Скоринг, что это? (англ. scoring – «подсчет очков»)

Это система определенных характеристик потенциального заемщика. Автоматизированный скоринг дает реальную объективную оценку финансовых рисков, в отличие от того, если бы проверку напрямую осуществляли кредитные инспекторы (человеческий фактор).

В результате проверки получается определенный показатель (score), которых указывает на степень риска, связанного с тем или иным клиентом. Этот показатель сравнивает с неким пороговым значением, которое по сути является линией безубыточности (привет продвинутым читателям ?). Если показатель выше порога, то принимается решение о возможном одобрении заявки. Если ниже порога, то увы, клиенту будет отказано.

Какие данные рассматриваются при скоринге

Скоринговая оценка кредитоспособности физического лица достаточно сложна. Одобрение или отказ клиенту по зависят от многих показателей.

1. Паспортные данные потенциального заемщика, где прописан и где проживает фактически, контактные номера телефонов. По этой информации проводится первичная идентификация клиента банка. На этом этапе отсеиваются клиенты с просроченными паспортами, неверно или ложно предоставленными данными, поддельными документами. Любая ошибка в предоставленных данных грозит моментальным отказом.
2. На втором этапе оцениваются возраст, пол, семейной положение, трудовой стаж, количество иждивенцев (несовершеннолетние дети – негативный фактор для скоринга), стаж на последнем месте работы.
3. Затем программа оцениввет платежеспособность клиента. Оценивая финансовое состояние, основную роль играет ежемесячный подтвержденный доход. Т.е. «белая» заработная плата, указанная в справке 2-НДФЛ. Если же доход подтверждается Справкой по форме банка, то итоговый бал скоринга понижается. Заем могут и одобрить, но сумма будет меньше.
4. После того, как были пройдены предыдущие этапы, программа приступает к проверке кредитной истории. Как правило, рассматриваются данные нескольких БКИ(бюро кредитных историй) сразу. Проверяются не только просрочки, но и финансовая нагрузка по действующим обязательствам, если они имеются. Кроме того, БКИ фиксирует все запросы в банк. Если много отказов – это отрицательно влияет на возможность одобрения. Так что получив отказ единожды, советуем проверить кредитную историю. Существует вероятность что данные БКИ могут быть ошибочны.

Скоринговая оценка кредитоспособности физического лица зарплатного клиента банка

Для держателей зарплатных карт предусмотрена отдельная проверка. Оцениваются транзакции по карте. Скоринг проверяет сроки поступлений и снятий, а также средний остаток по счету. Необходимо отметить, что наименьший балл получают те клиенты, которые сразу после поступления зарплаты снимают ее полностью наличными.

Как принимается решение

Скоринговая оценка кредитоспособности физического лица. Как принимается решение

После анализа полученных данных, скоринг выдает решение. Потенциальный заемщик получает цветную «маркировку»: белый, серый, черный.

• Белый цвет – заемщик может рассчитывать на кредит
• Черный цвет – отказ
• Серый цвет означает что для принятия решения не хватает данных, требуется дополнительная оценка андеррайтера. Кредитный инспектор более подробно изучит анкету и предоставленные данные. Возможно он запросит дополнительные документы. После дополнительной проверки, андеррайтер даст заключение о возможности одобрения, а также о максимальной сумме и сроку погашение кредита.

«Скоринг, что это?» – для получающих кредит впервые

«Скоринг, что это?» – для получающих кредит впервые

Для клиентов, обратившихся впервые за кредитом, скоринг в полной мере не может быть информативным. Поэтому решение о возможности выдачи займа может приниматься кредитным инспектором лично. Как правило, заем таким людям одобряется с минимальной суммой, а процентная ставка может быть значительней выше среднего. Банк таким образом подстраховывается и собирает информацию на будущее о данном клиенте. Именно поэтому прежде чем обращаться за крупной суммой, необходимо обзавестись хотя бы минимальной положительной кредитной историей. Новый клиент для банка – это всегда «кот в мешке». Поэтому получить первый кредит может быть достаточно сложно. Портал Кредитофф (Credytoff) желает вам удачи!

Отказ при скоринге

Отказывая при рассмотрении заявки на кредит, банки не сообщают о причинах отказа. Клиенту лишь рекомендуют обратиться повторно спустя какое-то время, обычно от 1 до 3 месяцев. Обращаться же в другие банки следует с осторожностью, ведь чем больше отказов, тем выше шанс отказа при последующих обращениях. Как было сказано выше, все решения, положительные или отрицательные, фиксируются кредитной истории клиента. Необходимо лично проверить свою кредитную историю, сделав запрос в БКИ и выяснить причины отказов банков.

Несмотря на все плюсы скоринга, на сегодняшний день, банки редактируют модели проверки своих клиентов. Во многих банках практикуется так называемая «адаптированная скоринговая оценка кредитоспособности физического лица». Вводятся дополнительные параметры проверки, например, срок работы компании, в которой трудится потенциальный заемщик, сфера деятельности этой компании, финансовые результаты деятельности и т.д. В целом же, дополняя ответ на вопрос «Скоринг, что это?», необходимо отметить что скоринговая проверка во многих крупных банкам очень похожа. Поэтому, перед подачей заявки, проверьте свою кредитную историю самостоятельно, это позволит сэкономит вам время и нервы.

Вступайте в нашу группу вКонтакте

Скоринговая оценка кредитоспособности

Понятие скоринговой оценки кредитоспособности клиентов

Определение 1

Скоринг – это статистическая либо математическая модель, с помощью которой используются данные кредитных историй клиентов банк, и в конечном итоге имеется возможность рассчитать вероятность того, что очередной потенциальный ссудозаёмщик вернет полученные средства в срок.

Такая методика оценки заёмщика является взвешенной суммой определённого набора характеристик в очень упрощенном виде. Это необходимо для формирования сводного показателя. Этот показатель далее сравнивается с так называемой линией безубыточности.

Такая оценка платёжеспособности заёмщика нужна для определения интегрального показателя каждого потенциального клиента, и полученный результат необходимо сравнивать с вышеупомянутой линией (соответственно, кредит смогут получить лишь те заёмщики, у которых данный показатель выше линии безубыточности).

Обычно в национальной экономике банки используют адаптированные модели скоринговых оценок кредитоспособности физического лица, которые приспособлены к российским условиям.

Готовые работы на аналогичную тему

Сначала дается предварительная оценка возможности получения ссуды, основанная на данных анкет-заявлений кредитозаёмщиков. По результатам заполненных анкет-заявлений подписываются протоколы оценок возможности предоставления кредитов.

Пример 1

Если размер баллов меньше 30, в протоколах фиксируется отказ в предоставлении кредита, если же было набрано больше 30 баллов, то на следующем этапе риск оценивают более тщательным образом с учётом дополнительных опросов.

Преимущества и недостатки скоринговой оценки кредитоспособности

Скоринговые методики и модели позволяют:

• снизить риск невозврата кредита;
• принять решения по выдаче кредита быстро и беспристрастно;
• позволяют эффективно управлять кредитным портфелем;
• не нужно затрачивать много времени на обучение сотрудников кредитного отдела;
• есть возможность провести экспресс-анализ заявки на кредит в присутствии клиента.

К ограничениям скоринговой мотодики следует отнести то, что она может применятся только в отношении информации о тех клиентах, которым банк уже выдавал ссуду. Также сотрудникам банка приходится периодически проверять качество методики и анализа и разрабатывать новую методику скоринга.

Дальнейшее улучшение скоринговой методики позволит расширить и изменить перечень оцениваемых характеристик кредитов.

При ипотечном кредитовании граждан используется андеррайтинг заёмщика, самое важное – это оценка своевременного взноса платежей по кредиту. Оценивается отношение размера ежемесячных обязательств заёмщика к совокупному семейному доходу за тот же период и т.п.

Процесс проведения скоринговой оценки кредитоспособности ссудозаёмщиков

Обычно для анализа кредитоспособности потенциального заёмщика запрашиваются:

• копия документов, удостоверяющего личность заёмщика;
• подтверждение доходов клиента: справка по форме 2-НДФЛ, копия налоговой декларации по форме 3-НДФЛ;
• Дополнительно также могут запросить документы собственности на имущество и прочие, которые могут подтвердить платёжеспособность и деловую репутацию клиента.

Специалисты банка проводят анализ платёжеспособности индивидуального заёмщика на базе данных о среднемесячном доходе и размерах удержаний за предшествовавшие шесть месяцев, а также сведений на основании анкеты. Результат вычисляется как среднемесячный доход за вычетом всех обязательных платежей и корректируется на поправочный коэффициент, который различается в зависимости от величины дохода (от 0,3 до 0,6). Чем больше доход, тем больше корректировка.

Замечание 1

На данный момент, наиболее универсальным методом оценки кредитоспособности является метод оценки финансового положения клиента.

Для снижения и контроля рисков, банки должны ежеквартально проводить оценку финансового состояния заёмщика.

В качестве совершенствования оценки кредитоспособности физических лиц предлагается использовать скоринговую систему при определении объёмов выдаваемых кредитов.

Кредитные баллы предназначены для измерения риска дефолта потенциального заёмщика с учётом различных факторов кредитной истории. Формулы для расчёта кредитных баллов обычно западными банками не раскрываются, но, в целом используются следующие компоненты, которые можно рассмотреть в качестве применимого опыта:

1. 35% составляет кредитная история – наличие или отсутствие компрометирующей информации. Банкротство, залоги, судебные решения, соглашения, конфискации, выкуп имущества, просроченные платежи могут стать причиной отказа в выдаче кредита.
2. 30% приходится на долговую нагрузку – эта категория рассматривает ряд конкретных измерений долговой нагрузки, включая количество счетов с овердрафтами, существующие кредитные обязательства, покупки в рассрочку.
3. 15% доля приходится на срок кредитной истории – средний период кредитования и срок первоначального кредита.
4. 10% составляет оценка используемых типов кредита (рассрочка, офердрафты, потребительское кредитование, ипотека), показывает историю управления различным видами кредитов.
5. 10% доля оценки приходится на количество запросов на выдачу кредита – рейтинг заёмщика снижается, если запросы были сделаны в больших количествах в последнее время (14–45 дней).

Скоринговые модели должны быть основаны на актуальных данных и быстро перенастраиваться при изменении кредитной политики банка.

В работе скоринговой модели большую роль играет бюро кредитных историй. Необходимо изучить кредитную историю потенциального заёмщика и супруги(а) заявителя. Все виды доходов и расходов заёмщика должны быть документально подтверждены.

Пример 2

Кредиты не должны выдаваться гражданам, у которых выплаты по исполнительным документам в размере 50 и более процентов чистого дохода. Также в обеспечение ссуд не должно приниматься поручительство физического лица, у которого размеры удержаний из заработной платы равны или превышают 50 процентов чистых доходов.

На рисунке 1 представлена информация, разработанная зарубежными банками для получения информации о цели кредита, личных особенностях заёмщика и кредитной истории заёмщика.

Рисунок 1. Переменные, используемые в скоринговых моделях оценки кредитоспособности заёмщиков. Автор24 — интернет-биржа студенческих работ

Кредитный рейтинг используется в качестве инструмента для принятия окончательного решения.

При оценкекредитных рисков потенциальных заёмщиков принимается во внимание ряд факторов:возраст, семейное положение и образование, количество его/её иждивенцев, место проживания клиента, профессия, стаж, опыт работы в текущее время. А также следующая финансовая информация: регулярные доходы клиента и обязательства; кредитная история, которая включает в себя такие факты, как качественное погашение кредита; предыдущее позитивное сотрудничество с банком, если клиент уже является клиентом банка.

что это такое, как работает скоринговая система

Скоринговая система получила свое название от английского слова «score», что переводится как счет или подсчет очков. Применяется скоринг в финансовых структурах для оценки платежеспособности заемщика. Клиент банка, при оформлении кредита, проходит обязательное анкетирование. Его профессиональные, демографические и социальные характеристики имеют определенный балл. Программа автоматически «подсчитывает очки» из анкеты и выдает результат о благонадежности потенциального заемщика. Сотрудник банка на основании скоринговой оценки решает: выдать кредит клиенту или же отказать ему.

На первый взгляд скоринговая система примитивна: клиент заполняет анкету, сотрудник считает баллы и по итогам выдает заем или не выдает. Но это только верхушка айсберга. Скоринговые карты состоят из сотен позиций, а факторы, влияющие на итоговый результат, оцениваются в совокупности. Например, по нескольким позициям у клиента высокий балл, но буквально один негативный фактор перечеркивает все плюсы. Математический алгоритм скорингового расчета держится в секрете и регулярно обновляется для защиты от взлома.

Зачем нужна скоринговая система?

В основе банковского кредитования заложен принцип получения дохода от процента за предоставления заемных средств. Соответственно прибыль банкиры получают только при возврате денег надежными заемщиками. Чем больше у кредитной организации таких клиентов, тем выше доход.

Чтобы проверить качество кредитного портфеля клиента используется система скоринга при рассмотрении заявок. Многое зависит от базы кредитных историй, к которой обращается банк при оформлении займа. Например, если по базе известно, что клиент ранее пропускал платежи или имеет низкую платежеспособность, то ему в 99% случаев откажут в займе.

Помогает ли кредитный скоринг клиентам банка? И да, и нет. Плюс в том, что заемщик может рассчитывать на непредвзятое отношение финансовой организации. То есть, клиент с хорошей кредитной историей может рассчитывать на заем крупной суммы. Независимо от того: нравится он банку или нет. Минус – скоринговая оценка не поддается изменениям. Если программа выдала «непроходной балл», то заявка автоматически переводится в отказ. Представьте, что клиент ошибся при заполнении анкеты. Банально – сыграл злую шутку человеческий фактор. Исправить результат нельзя. Кроме того, система временно замораживает возможность клиента получить заем в этом банке на срок 1-2 месяца – «временной мораторий».

Преимущества и недостатки скоринга

Кредитный скоринг имеет свои плюсы и минусы для заинтересованных сторон – банкиров и заемщиков. Рассмотрим основные преимущества бальной системы:

1. 
   Экономия времени и финансовых затрат на рассмотрение анкет. Ежедневно кредитные организации обрабатывают тысячи заявок на заем. Вручную проверять каждый документ, сверяться с базой и персонифицировать клиента – нереально. Скоринговая программа автоматически может сопоставить анкетные данные, вывести балл платежеспособности и надежности клиента.

2. 
   Быстро принимается решение по заявке. Если до внедрения системы банковские организации брали длительный срок для рассмотрения анкеты, то сейчас решение выдается в течение 5-10 минут после обработки данных.

3. 
   Нет предвзятости сотрудников по отношению к заемщику при рассмотрении заявки. Программа не «поддается» субъективному мнению работника финансовой организации и объективно оценивает ответы анкеты.

4. 
   Выявление социального статуса, уровня дохода и платежеспособности клиента. Данные анкеты при любом решении банка остаются в базе и используются впоследствии для формирования кредитного портфеля.

Система скоринга имеет и недостатки:

1. 
   Программа оценивает не клиента, а его ответы на вопросы. Соответственно, подготовленному заемщику не составит труда «правильно» пройти анкетирование и получить положительное решение. Единственная преграда для такого рода мошенничества – это наличие актуальной базы кредитных историй в регионе, городе, районе.

2. 
   Скоринг пока не учитывает при выводе балла поведение заемщиков, которые раньше не кредитовались или получали отказы. Например, временной мораторий вводится в одном банке, тогда как в другом он уже не действует. Если у человека нет кредитной истории, то ни один банк не сможет со 100% уверенностью определить его будущее поведение, опираясь только на результаты скоринга.

3. 
   Сложная система постоянно требует обновлений и доработок. Модернизация нужна, чтобы обеспечивать софт максимально точной и актуальной информацией по клиентам. Кроме того, программа нуждается в высоком уровне защиты от взлома и сетевых атак.

Например, заемщик Виталий несколько раз брал кредит в банке и своевременно погашал задолженность. Однако в очередном займе ему отказали. Причина отказа была в том, что несколько коллег Виталия, оформивших кредит в том же банке, просрочили оплату за последние полгода. Скоринговая система посчитала Виталия неблагонадежным клиентом, несмотря на его хорошую кредитную историю.

Виды скоринга

Кредитный скоринг можно условно разделить на четыре направления. Они могут сочетаться между собой или применяться по отдельности. Всё зависит от конкретного случая и политики финансовой организации. Рассмотрим основные виды скоринга подробнее:

• 
  Проверка кредитоспособности клиента. Скоринговый софт позволяет прогнозировать финансовое положение потенциального заемщика на ближайшее будущее. Суть прогноза заключается в том, чтобы узнать: способен ли клиент вернуть долг банку. Соответственно данная разновидность скоринга проводится с клиентами, которые имеют кредитную историю, используют пластиковые карты банка, находятся в базе. Информация для построения прогноза берется совокупно из всех источников. По результатам анализа, во-первых, принимается решение: одобрить заем или отказать в кредитовании. Во-вторых, определяется максимальная сумма займа и оптимальный срок погашения.

• 
  Скоринг заемщика. Это классический вид скоринговых операций в банке при оформлении кредита физическим лицом. Клиенту предлагается заполнить анкету, внести свои данные. Пройти анкетирование можно в онлайн-режиме или ответить на вопросы менеджера в офисе банка. После заполнения опросного листа, данные отправляются на рассмотрение. В течение нескольких минут банк дает положительный или отрицательный ответ.

• 
  Скоринг при нарушении заемщиком кредитных обязательств. Для решения проблемных ситуаций по задолженностям сотрудники проверяют клиента с помощью специальной скоринговой программы. Софт также подсчитывает баллы, оценивая различные факторы конкретного дела. На основании ответа банк принимает решение о необходимости подачи иска в суд. Возможен вариант убеждения клиента в необходимости погашения просрочки, чтобы избежать судебной тяжбы и обращения к коллекторам.

• 
  Скоринг мошенничества. Компьютерная система оценивает множество факторов, сравнивает ситуации в базе, тщательно проверяет анкету с целью опознать возможное мошенничество со стороны клиента. Основное внимание уделяют сверке анкетной и фактической информации. Если имеются признаки фиктивности, то сделка сразу же отклоняется. Статистика говорит о том, что 1 из 10 займов остаются непогашенными. То есть эффективность системы 90%.

Пример работы скоринга определения мошенничества. Марина планировала оформить кредит на новую модель айфона. Скоринговая программа поставила высокую оценку по уровню дохода и кредитной истории, но итоговый балл получился низким. Соответственно заем не выдали. Причина в том, что контактный номер телефона Марины, кроме одной цифры, совпадал с номерами мошенников, пытавшихся ранее обмануть систему проверки.

Какие данные собирает система для скоринга?

Конечно, клиентам интересно, какие данные собирает банк, чтобы выставить балл платежеспособности заемщика. В стандартный перечень информации входит более десятка пунктов. Конкретное число варьируется в зависимости от особенностей банка и вида кредитного продукта.

Рассмотрим стандартный перечень:

1. 
   Семейное положение. Банки всегда отдают предпочтение заемщикам, которые состоят в официально зарегистрированном браке. Кроме того, имеют общую жилплощадь и проживают на ней вместе, есть брачный контракт. Такие клиенты получат максимум баллов по этому пункту.

2. 
   Наличие детей, иждивенцев. Ключевой фактор – возраст иждивенцев. Банки отдают предпочтение в выдаче кредита семьям, в которых нет детей. Скоринговый балл снижается за каждого последующего ребенка.

3. 
   Возраст заемщика. Одна из основных характеристик для скоринговой системы. Максимальный балл получают потенциальные клиенты в возрасте 30-40 лет. Заемщики моложе 21 года и пенсионеры считаются не самой надежной категорией для кредитования.

4. 
   Положительная кредитная история. Если человек ранее получал займы и своевременно погашал долговые обязательства, то он получит высокую оценку программы.

5. 
   Трудоустройство. Для одобрения кредита важно иметь официальное трудоустройство, например в государственной или коммерческой организации. Неработающие пенсионеры и студенты получат меньший балл, чем категория официально работающих граждан.

6. 
   Трудовой стаж. Скоринговая оценка выше у тех клиентов, которые отработали более пяти лет.

7. 
   Квалификация и должность. Здесь все просто: чем престижнее социальный и профессиональный статус клиента, тем выше скоринговый балл.   

8. 
   Уровень заработной платы. Система начисляет балл, высчитывая прямо-пропорциональную зависимость от уровня дохода клиента. Чем выше зарплата, тем больше может быть сумма займа.

9. 
   Кредитная нагрузка. Закредитованность населения РФ – это проблема федерального масштаба. Именно поэтому, а также в целях безопасности банки проверяют у заемщика наличие действующих долговых обязательств. Чем их больше, тем меньше балл. Соответственно шансы получить заем снижаются.

10. 
    Уровень образования. Наличие среднего, высшего образования повышает скоринговый балл.

11. 
    Наличие в собственности недвижимости или автомобиля. Возможность залога имущества клиентом добавит несколько баллов в итоговую оценку программы.

12. 
    Дополнительный доход. Чем больше клиент может предоставить документов о дополнительном заработке помимо основной работы, тем больше вероятность одобрения займа.

13. 
    Паспортные данные. Подлинность информации, наличие постоянной прописки сильно увеличивают шансы получения кредита.

14. 
    Актуальные контактные данные. Скоринговая программа положительно отмечает наличие у клиента нескольких способов связи. Например, сотовый и домашний телефон, рабочие контакты.

Несмотря на то, что скоринговая система полностью нивелирует предвзятое отношение к клиенту, сотрудник банка может указать свои наблюдения в комментариях к заявке. Например, сомнения или недоверие могут вызвать возбужденное эмоциональное состояние, замедленная речь, расплывчатые ответы на вопросы анкеты, неряшливый внешний вид, наркотическое или алкогольное опьянение.

Технические ограничения и погрешности скоринга

Система имеет две существенные проблемы. Первая – данные собираются только по клиентам, которые ранее брали кредиты. Мы можем допустить, что потенциальный заемщик с «чистой» кредитной историей, окажется благонадежным клиентом. Но система не сможет дать оценку. Поэтому в особенных случаях такие заявки, вошедшие в погрешность скоринга, рассматриваются вручную.

Вторая проблема заключается в том, что скоринговые данные и оценки клиентов устаревают. Люди меняются, улучшаются или ухудшаются социально-экономические условия. Всё это влияет на платежеспособность клиентов. Поэтому система нуждается в систематической модернизации. Обычно новая модель внедряется раз в год, делается свежая выборка в базу, обновляются данные по имеющимся заемщикам. В условиях финансового и экономического кризиса, обновления рекомендуется проводить чаще – раз в 4-6 месяцев.

Что такое скоринговые баллы?

Общий скоринговый балл – это сумма всех оценок по вопросам анкеты. Итоговый результат определяется по следующей шкале:

• 
  690-850 баллов – клиент с высокой платежеспособностью, на хорошем счету в банке, поэтому может получить крупную сумму займа на выгодных условиях.

• 
  650-690 баллов – хорошая кредитоспособность. Клиент получит кредит на стандартных условиях. Сумма уточняется на собеседовании с сотрудниками банка.

• 
  600-650 баллов – средняя кредитоспособность. Обычно таким клиентам выдают заем, но на достаточно жестких условиях. Банк ставит ограничения по срокам, сумме кредита.

• 
  500-600 баллов – низкая кредитоспособность. Клиент всё ещё может получить заем, но небольшой и под высокий процент.

• 
  300-500 баллов – неблагонадежный клиент. Банк кредит не выдаст.

Можно ли поднять общий балл, чтобы с уверенностью идти в банк? Да, можно. Потенциальный заемщик может улучшить ряд факторов. Итак, на что обратить внимание, если банки регулярно отказывают в выдаче кредитов:

1. 
   Устроиться на официальную работу с белой зарплатой. Через 3-5 месяцев можно идти в банк за кредитом. Помните, чем выше зарплата и должность, тем больше шансов получить проходной балл в системе скоринга. Бюджетные организации не могут похвастаться высокими зарплатами, но у них «бронь» перед увольнением. Банки охотнее дадут небольшой кредит бюджетнику, чем сотруднику коммерческой фирмы.

2. 
   Проверьте кредитную историю. Перед посещением банка погасите долги по кредитке, закройте недействующие счета и дебетовые карты.

3. 
   Внимательно и не спеша заполняется анкету. Помните, скоринг – это автоматическая система. Любая ошибка или неточность может стать причиной отказа. Сотрудники банка не смогут подкорректировать данные после выдачи результата.

4. 
   Не пытайтесь обмануть систему скоринга. Отвечайте честно о величине заработка, наличии кредитов. Если вы не указали, что платите по обязательствам в другом банке, то система может принять это как сокрытие информации. В итоге вы получите статус неблагонадежного клиента и отказ в займе.

5. 
   При наличии в собственности недвижимости или автомобиля, укажите в анкете информацию. Это повысит шанс получить проходной балл в системе и получить необходимую сумму денег.

6. 
   Указывайте больше контактных данных – сотовый, рабочий, домашний телефоны. Можно вписать контакты родственников или коллег, предварительно получив их согласие. Выбирайте тех людей, у которых нет задолженностей перед банком.

7. 
   Если не брали раньше кредит, то начните с небольших сумм. Например, можно оформить заем на покупку товара. Сегодня многие офлайн и онлайн-магазины сотрудничают с банками и предлагают покупку в кредит или в рассрочку платежа. Через 3-4 месяца информация о вас поступит в Бюро кредитных историй, тогда шансы на успешное получение займа возрастут.

Какие финансовые структуры применяют скоринг?

Система балльной оценки кредитоспособности клиента используется в банковской сфере. Крупные финансовые структуры оценивают частных клиентов, а также компании малого, среднего бизнеса, ИП и самозанятое население. Скоринг не используется в микрофинансовых организациях из-за низкого порога требований к заемщикам.

Скоринг применяют также при смене лимитов по кредитным картам, работе с должниками, для повышения безопасности счетов и оценке риска финансовых операций. Кроме того, банки используют анкетирование клиентов для предварительного анализа данных о потенциальных заемщиках.

Можно ли перехитрить автоматическую систему скоринга?

Программная модель скоринга создается персонально для каждой банковской организации. Все разработки проводятся под грифом «Секретно». Сотрудники банка не знают, по какому алгоритму оцениваются анкеты клиентов. Они видят только результат в виде общего балла и рекомендаций системы по тому или иному заемщику.

Соответственно, чтобы перехитрить скоринговый софт, необходимо знать ответы на вопросы анкеты. Именно поэтому банк никогда явно не сообщает клиенту причину отказа. Повлиять на итоговую оценку можно только косвенно (мы писали о методах улучшения балла выше).

Обычно банки скрупулезно выбирают скоринговый софт или создают персональную систему. Защита от взлома или мошенничества в такой программе на высоком уровне. Это и понятно. Крупные банки используются скоринг повсеместно: от выдачи потребительских займов до ипотечного кредитования и финансирования бизнес-проектов.

Заключение

Мы рассмотрели, что такое скоринг? Изучили особенности расчета баллов, преимущества и недостатки системы. Узнали, какие данные используются для подсчета очков, как улучшить итоговую оценку.

Технология скоринга имеет недостатки, но это пока единственная модель с высокой эффективностью определения финансовой благонадежности клиента.

Скоринговая модель оценки кредитоспособности физического лица

Термин «скоринг» в дословном переводе с английского языка означает «подсчет очков». Так называют систему и метод оценки рисков по кредитованию конкретного лица, управления рисками на основе математического прогноза. Банковский скоринг позволяет определить вероятность просрочки выплат, основываясь на информации из кредитной истории и на некоторых других данных. Основным критерием являются баллы, которые раньше начислялись сотрудниками кредитно-финансовых учреждений вручную, а сейчас все чаще рассчитываются специальной программой.

Где используется скоринг

Скоринг эффективно работает в сфере экспресс-кредитования, микрофинансирования, где на рассмотрение заявки у специалиста есть не более часа. В специальную программу заводятся данные потенциального заемщика. Система сравнивает информацию со статистикой. Например, если в базе данных много сведений о том, что люди такого же возраста и/или профессии не возвращали кредиты, то решение может быть отрицательным – банк может отказать без объяснения причин.

Что учитывается при начислении баллов скоринга

Оценка кредитоспособности заемщика − физического лица − в автоматическом режиме основывается на анализе различной информации, среди которой:

• идентификационные данные. Обрабатываются данные паспорта, фото заявителя. Уже на этом этапе определяются мошенники, лица, имеющие плохую кредитную историю;
• социальное положение. Учитывается пол, возраст заявителя, его образование и место работы. Принимается во внимание адрес регистрации и проживания, наличие семьи, иждивенцев;
• финансовое положение. В идеальном варианте необходимо иметь не только достаточный, но и регулярный доход. Некоторые банки учитывают также возможные траты: оплату коммунальных услуг, детского сада и т. д. Многие заявители идут на хитрости, не заявляя об иждивенцах или завышая суммы доходов. При небольших займах это может сработать, но при крупных кредитах банки обычно проверяют данные намного тщательнее;
• кредитная история. В оценке кредитоспособности физического лица информация по предыдущим займам имеет одно из решающих значений. Определяются непогашенные кредиты, наличие просрочек и время, в течение которого они были выплачены. Если ссуды обслуживались аккуратно, то система выдаст высокую вероятность такого же поведения клиента в будущем, увеличив скоринговый балл. Такой же принцип работает и в обратную сторону;
• транзакционное поведение. Параметр оценки доступен для заявителей, являющихся клиентами кредитно-финансового учреждения. Держатели пластиковых карт, депозитных счетов, участники зарплатных проектов чаще получают высокую скоринговую оценку. Системой оцениваются суммы, на которые совершаются покупки, категории точек продаж.

Все данные проверяются по отдельности и сравниваются между собой на наличие противоречий. Должна быть связь между доходами и расходами, должностью и местом проживания и т. д.

Преимущества скоринга

Непредвзятость. Скоринговая система оценки кредитоспособности оперирует фактами и цифрами, не учитывая личностные особенности человека. Сотрудник офиса, принимающий заявку, не может никаким образом повлиять на алгоритм подсчета. Кредитный эксперт не вправе безосновательно отказать в выдаче ссуды, если программа оценила заемщика как платежеспособное лицо.

Оперативность. Подсчет баллов в ручном режиме выполняется в форме таблицы. В отдельные строки специалист самостоятельно вводит данные и присваивает баллы, ориентируясь только на собственный опыт и знания. Процесс трудоемкий и долгий, заявителям приходится ждать по часу и более. Современные программы подсчитывают скоринговый балл в сотни раз быстрее.

Финансовая выгода. Банки, использующие скоринговую систему оценки кредитоспособности, часто предлагают более выгодные условия предоставления ссуд. Просчет рисков и автоматический отсев возможных неплательщиков значительно снижает долю невозврата, которую обычно закладывают в процентную ставку. Это выгодно и заемщику, и кредитору.

Что влияет на формирование высокой скоринговой оценки

В первую очередь необходимо сформировать хорошую кредитную историю, без просрочек. Если своевременные выплаты невозможны по объективным причинам, необходимо как можно раньше сообщить об этом в банк и доказать временную неплатежеспособность. Большинство кредиторов идут навстречу клиентам, предоставляя отсрочки платежа, делая перерасчет или предлагая другие решения. В этом случае история не будет испорчена отказами выплат. Если негативные строчки в истории уже есть, их можно компенсировать своевременно выплаченными кредитами.

Еще один способ, позволяющий повысить скоринговую оценку кредитоспособности, – наличие депозита. Открытый вклад в банке дает понять, что у клиента есть средства для выплаты. То же самое относится к держателям зарплатных карт, которые обычно имеют высокий балл.

Чтобы повысить оценку, необходимо внимательно отнестись к заполнению заявления. Рекомендуется указывать достоверные контактные данные и предупредить всех, чьи телефоны вы вписываете в анкету. Если сотрудник банка начнет прозвон, он должен дозвониться до всех абонентов. В противном случае информацию могут признать недостоверной и отказать из-за этого в кредитовании.

Если вам отказали в ссуде по причине того, что программа скоринга сочла вас некредитоспособным, не стоит отчаиваться. Возможно, настройки алгоритма неблагоприятны для вас только в этом банке. Чтобы проверить это, попробуйте пройти скоринг в соответствующем разделе нашего сайта.

Анкоры: 
Где используется скоринг / Что учитывается при начислении баллов скоринга / Преимущества скоринга / Что влияет на формирование высокой скоринговой оценки

строим скоринговую модель для клиентов с пустой кредитной историей / Хабр

Нет кредитной истории — не дают кредиты, не дают кредиты — нет кредитной истории. Замкнутый круг какой-то. Что делать? Давайте разбираться.

Привет! Меня зовут Марк, я data scientist в компании Devim. Недавно мы запустили модель для скоринга заемщиков МФК “До Зарплаты”, у которых отсутствует кредитная история. Хочу поделиться опытом поиска данных, особенностями конструирования и интерпретации признаков.

Эта тема разбита на две публикации, в первой я расскажу о процессе поиска и конструирования признаков. Во второй части, о сравнении архитектур моделей, анализе результатов и интерпретации решений скоринга.

Часть первая. Конструирование признаков

Модели машинного обучения основаны на данных, качество и полнота которых является определяющим фактором успеха или неудачи функционирования модели. А что делать, если данных мало? Или если данные не достаточно информативны или не точны? Где найти дополнительную информацию и как её использовать при построении модели? Давайте расскажу как я решил эту проблему.

Факторы для оценки кредитного риска

Кредитный скоринг основывается на анализе характеристик заемщика, связанных с риском невозврата займа. Их можно разделить на общеэкономические и индивидуальные.

Общеэкономические факторы

Экономическая обстановка оказывает серьезное влияние на финансовое и психологическое состояние заемщика. Точнее оценить степень влияния, можно выделив факторы имеющие отношение к заемщику. Условно их разделяют на два уровня:

• Факторы макроуровня — факторы, которые являются внешними для заемщика. К ним обычно относят ВВП, инфляцию, курс валюты и т.д.
• Факторы микроуровня — это те, что характеризуют конкретного заемщика, например профессия, отрасль работы, средний уровень заработной платы и т.д.
  
  Сразу стоит отметить, что общеэкономические факторы служат как дополнительные. По мнению многих исследователей, информация, которая в них содержится, общая и слабо характеризует конкретного заемщика.

Индивидуальные факторы

Индивидуальные факторы содержат самую ценную информацию для скоринговой модели. Их тоже можно разделить на категории:

• Демографические — возраст, пол, семейное положение и т.д.
• Финансовые — доходы и расходы, доступ к финансовым ресурсам, наличие финансовых резервов.
• Психологические — одни из самых информативных. Лучший источник таких данных — кредитная история. Кредитная история характеризует финансовую дисциплину клиента, содержит информацию о способности погашения конкретных сумм, показывает текущую заинтересованность в займе. Если кредитная история не сформирована, приходится искать другие источники информации: соцсети, поведение при заполнении заявки и д.р.
• Контактная информация — её объем и состав влияют на риск невозврата займа.

Описание набора данных

Набор для обучения модели — 9500 заемщиков, впервые получивших заём в период с мая по декабрь 2018 года. Данные для тестирования — 1500 заемщиков за период с января по март 2019 года.

Временное разделение заемщиков используется по нескольким причинам. Во-первых, такое разделение делает маловероятной утечку информации из будущего. Во-вторых, это позволяет оценить устойчивость модели во времени. В PDL (Payday loan) микрозаймах суммы и сроки малы, в сравнении с другими видами займов, поэтому в качестве целевого признака выбран: просрочка платежей более чем на 15 дней.

Конструирование признаков

Конструирование признаков начнем с более общих — экономических, затем перейдем к индивидуальным.

Из общеэкономических макро-факторов удалось найти только один, стабильно доступный и регулярно обновляющийся фактор — курс рубля. Он доступен на сайте ЦБ за продолжительный период времени (есть возможность выгрузки данных в удобном формате), и главное — ежедневно обновляется. Курс рубля имеет стабильный нисходящий тренд. В необработанном виде такой фактор лучше не использовать. Через определенный промежуток времени значения признака выйдут за рамки попавших в обучающую выборку данных и будут неверно интерпретированы моделью.

Чтобы избежать негативных последствий, преобразуем курс рубля в отношении текущего курса(на момент рассмотрения заявки) к медианному значению за предыдущие 35 дней. Теперь признак характеризует не абсолютное значение курса рубля, а тенденцию(рост, падение, стабильное состояние) в рассматриваемый период. На графике 1 полученные данные. На графике 2 — процент дефолтных клиентов с разбивкой по категориям(падение, стабильность, рост).

График 1. Изменение курса рубля, по отношению к медианному значению за последние 35 дней.

График 2. количество дефолтных клиентов в зависимости от изменения курса.

Из экономических микро-факторов доступны: регион в котором работает заемщик, тип организации, профессия.

На первый взгляд, регион работы относится скорее к индивидуальным факторам, чем к общеэкономическим. Однако есть возможность добавить в данные общеэкономическую информацию через группировку регионов. На сайте росстата доступна информация о различных экономических показателях конкретного региона. Влияющими на вероятность дефолта оказались данные о среднем уровне заработной платы в регионе, стоимости фиксированного набора продуктов и величине суммы просроченных платежей по кредиту на душу населения. Для группировки регионов был выбран алгоритм агломеративной кластеризации. В качестве критерия связи использован метод Варда, который объединяет кластеры так, чтобы прирост дисперсии был минимальным. Получившиеся кластеры данных — на трехмерном графике.

Таблица сгруппированных регионов

Еще один важный микроэкономический фактор — профессия. На рисунке ниже — данные о доли дефолтных клиентов с разбивкой по профессии из тренировочного набора данных.

На графике отчетливо видна зависимость вероятности дефолта от профессии. Для группировки заемщиков желательно применять один из общепринятых в экономическом сообществе принципов. Разбивка на категории с сайта росстата хорошо соотносится с данными, представленными на графике.

Разделение работников по категориям персонала

По категориям персонала работники подразделяются на руководителей, специалистов, других служащих и рабочих.

• К руководителям относятся работники, занимающие должности руководителей организаций, структурных подразделений и их заместители (директора, начальники: управлений, отделов, смен и т.п., заведующие: производством, столовой, секцией, складом, прачечной, клубом, общежитием, камерой хранения и др., управляющие, председатели, капитаны, главные бухгалтеры и инженеры, мастера и т.п.).
• К специалистам относятся работники, занятые на работах, как правило, требующих высшего или среднего профессионального образования: инженеры, врачи, преподаватели, экономисты, бухгалтеры, геологи, диспетчеры, инспекторы, корректоры, математики, медицинские сестры, механики, нормировщики, программисты, психологи, редакторы, ревизоры и т.п. К специалистам относятся также ассистенты и помощники названных наименований специалистов.
• Другие служащие — это работники, осуществляющие подготовку и оформление документации, учет и контроль, хозяйственное обслуживание, в частности, агенты, архивариусы, дежурные, делопроизводители, кассиры и контролеры (кроме рабочих), коменданты, копировщики технической документации, секретари-машинистки, смотрители, статистики, стенографистки, табельщики, учетчики, чертежники.
• К рабочим относятся лица, непосредственно занятые в процессе создания материальных ценностей, а также занятые ремонтом, перемещением грузов, перевозкой пассажиров, оказанием материальных услуг и др.

Часто встречающиеся профессии, такие, как водитель, менеджер, бухгалтер и др., могут по-разному характеризовать заемщика, в зависимости от конкретной сферы или типа организации. Например, водитель, работающий в такси и водитель, работающий в администрации города — это совершенно разные заемщики.

Чтобы добавить эту информацию в модель, разделим заемщиков по типу организаций, в которых они работают:

• Коммерческие организации
• Государственные организации
• Индивидуальные предприниматели и самозанятые
• Неработающие
• Не указан тип организации

Чтобы проверить, добавляет ли разделение информации, посмотрим на график “доля дефолтных заемщиков сгруппированных по профессиям и типам организаций”.

Обозначение профессий и типов организаций

Из графика видно, что для некоторых профессий существенна разница, в каком типе организации работает заемщик. Неожиданные результаты получаются, когда заемщик указывает, что он не работает, но при этом указывает профессию. Дополнительный анализ данных показал, что такое поведение характерно для пенсионеров.

И последним общеэкономическим фактором, используемым в модели, является день месяца, в который подана заявка на заём. Вероятно, это связано с общепринятыми правилами выплаты заработной платы в России(например 10 и 25). Дни месяца разбиваются на два периода с 9 по 21е число включительно и остальные дни месяца.

Индивидуальные факторы

Демографические

В имеющихся у меня данных, есть всего четыре демографических признака:

• Возраст заемщика (количество полных лет)
• Стаж на последнем месте работы (в месяцах)
• Семейный статус (холост, женат, замужем, гражданский брак, в разводе, не замужем, вдовец/вдова, не заполнено)
• Количество членов семьи (совместно проживающих с заемщиком)

Финансовые

В данных о заемщиках есть информация о заработной плате и дополнительном доходе. Значение этих факторов часто завышается клиентами, поэтому они не содержат точной информации о финансовом положении заемщика, но позволяют примерно его оценить.

Психологические

У выбранной совокупности заемщиков отсутствуют займы, поэтому основной психологической (поведенческой) информации у нас нет. Но у 90% клиентов есть информация о количестве запросов кредитной истории за год, квартал, месяц, неделю, день, час. Таким образом, можно оценить потребность в займе в текущий момент и потребность в займе в исторической перспективе. Количество заявок на заем, поданное за короткий промежуток, добавляет информации о психотипе заемщика. (подал ли он одну заявку и ждет решения, а затем подает вторую при отказе. В этом случае будет мало займов за последний час, но много за последний день. Или заемщик подает заявки в разные организации и ждет решения от всех сразу.)

Контактная информация

При подаче заявки заполнение собственных контактных данных обязательно. Также желательно предоставление контактных данных двух близко знакомых людей. Что позволяет сформировать два дополнительных бинарных признака:

• заполнен или нет контакт 2
• заполнен или нет контакт 3

В итоге получаем следующие признаки:

1. Изменение курса рубля, числовой признак
2. Регион места работы, категориальный признак (6 категорий)
3. Профессия, категориальный признак (5 категорий)
4. Тип организации, в которой работает заемщик, категориальный признак (5 категорий)
5. День месяца, в который подана заявка, бинарный признак — попадает в интервал с 9-е по 21-е число или нет
6. Количество запросов кредитной истории за:
   

   • час
   • день
   • неделю
   • месяц
   • квартал
   • год

7. Семейный статус, категориальный признак (8 категорий)
8. Количество членов семьи, числовой признак
9. Стаж на последнем месте работы, числовой признак
10. Возраст заемщика, числовой признак
11. Ежемесячный доход, числовой признак
12. Дополнительный доход, числовой признак
13. Заполнен или нет контакт 2, бинарный признак
14. Заполнен или нет контакт 3, бинарный признак

Все перечисленные выше данные экономически обоснованны и легко собираемы. Несмотря на то, что они не несут в себе полной информации о заемщике, на их основе можно построить экономически эффективную и работающую модель.

О процессе выбора архитектуры и о получившихся результатах я расскажу в следующей статье.

Надеюсь, было интересно и полезно.

Паненко Марк, Devim

Кредитный скоринг и экспертная оценка кредитоспособности заемщика

Все мы прекрасно знаем, что банки – это не благотворительные организации, и перед тем, как выдать кредит, они тщательнейшим образом оценивают кредитоспособность заемщика, его способность и желание своевременно погашать долг. Для этой цели разработаны и используются различные методики оценки, о которых мы и расскажем в нашем обзоре.

Итак, когда вы обращаетесь в представительство банка с целью получения кредита, первая встреча начинается с собеседования и анкетирования. Цель данного собеседования – собрать максимум информации о потенциальном заемщике, а именно выяснить цель кредитования, возраст, семейное положение, место жительства, место работы, стаж, размер заработной платы и другие, социальные и демографические характеристики. Далее, собранные сведения могут дополняться данными, полученными из бюро кредитных историй, юридического отдела, службы безопасности и т.д., после чего обрабатываются. Для анализа полученной информации банки используют экспертную и скоринговую модели, о которых мы и расскажем далее.

Экспертная и скоринговая модели – основные особенности

Экспертная модель оценки кредитоспособности заемщика или индивидуальный андеррайтинг. Главная особенность данной модели заключается в том, что анализом полученной информации занимается кредитный эксперт (или коллегиальный орган – кредитный комитет банка во главе с председателем данного комитета), он же принимает решение о выдаче кредита и формирует окончательные условия кредитного договора. Как правило в экспертной оценке задействовано несколько служб банка, которые собирают, анализируют, представляют информацию на кредитном комитете. Кредитный менеджер обычно анализирует платежеспособность, параллельно делается запрос кредитной истории в БКИ. Юридический отдел анализирует объекты залога, личные документы заемщика, изучает риски и правоустанавливающую документацию. Работа службы безопасности банка заключается в проверке легальности трудоустройства клиента и наличия судимостей. Задействованные подразделения банка дают свои заключения, после чего дело выносится на рассмотрение кредитного комитета банка.

Скоринговая модель оценки кредитоспособности или бальный метод. Особенность данной модели заключается в том, что вся информация, полученная от заемщика, вносится в специальную программу. За каждый ответ, в упрощенном виде, система начисляет определенный бал и в результате, по совокупности начисленных балов, выносит окончательное решение – выдавать кредит или нет.

Как правило, экспертная методика оценки применяется в случае ипотечного кредитования, когда речь идет о крупных суммах и требуется тщательная, надежная проверка клиента. Скоринговые системы используются в потребительском экспресс-кредитовании, когда решающую роль играет скорость принятия решения по вопросу предоставления денежных средств. Также банки могут использовать эти модели параллельно – скоринг система дает предварительную оценку клиента, которую затем рассматривают эксперты.

Поскольку в последнее время розничный сегмент потребительского кредитования получил широкое распространение (кредиты наличными, кредитование в торговых точках и т.п.) и продолжает активно развиваться, нам все чаще приходится сталкиваться именно со скоринговыми системами оценки. Поэтому дальше мы расскажем о них более подробно.

Система кредитного скоринга – общий принцип работы

Скоринг стал активно применяться после того, как в 1941 году Д. Дюран определил основные группы факторов, максимально влияющие на степень кредитного риска, и коэффициенты влияния каждого из них. Это была первая, и самая примитивная, модель скоринга. Так, женщины сразу получали 0,4 балла, мужчины – ничего. За каждый год жизни людям старше лет свыше 20 лет начислялся 0,1 балл. Человек с профессией с низким риском получал сразу 0,55 балла, а если у него был еще и банковский вклад – дополнительно 0,45 балла. За страховой полис причиталось 0,19 балла, за наличие в собственности недвижимости – 0,35. Кредитоспособным считался человек, которому удалось перешагнуть за порог 1,25 балла.

В настоящее время скоринговые модели, используемые банками, стали более совершенны и оперируют большим набором характеристик и критериев оценки. В США для оценки рисков в области потребительского кредитования используют скоринг-систему, разработанную компанией FICO (NYSE:FICO). На российском рынке представлены, как иностранные скоринг-системы (та же FICO Score), так и разработки отечественных компаний, в т.ч. и банков. Какие из них лучше – вопрос сложный и проблема выбора заключается в том, что система должна учитывать и подстраиваться под особенности банковского законодательства, менталитет граждан, традиции и прочие факторы локального рынка банковских услуг. Но поскольку вопрос выбора системы кредитного скоринга – головная боль банков и нас, обычных заемщиков он не касается, мы рассмотрим общие принципы работы этих систем.

Итак, вся информация, полученная кредитным менеджером от клиента, проверяется, и вносится в скоринг-систему в виде ответов на вопросы. Вопросы разделены на блоки, состав которых индивидуален для каждого банка. Как правило, это блок общих сведений о клиенте (пол, возраст, семейное положение и т.п.), занятость заемщика, активы и обязательства клиента (заполняются на основании предоставленных справок и кредитного отчета, полученного в бюро кредитных историй), наличие имущества в собственности, залог, поручительство и другие характеристики. За каждый ответ система начисляет или отнимает определенное количество балов. После этого набранные баллы суммируются по каждому из блоков и в целом по клиенту, и система выдает решение. Обратите внимание, существует вероятность не пройти по одному из блоков, даже если общая сумма балов укладывается в нужный диапазон.

Некоторые банки разбивают клиентов на категории в зависимости от набранной суммы балов. Например, клиентов 1-ой категории рекомендуется кредитовать на лучших условиях, для 2-ой категории – сократить сумму или срок кредитования, т.е. изменить условия в более выгодную для банка сторону и т.п.

Несмотря на все отличия и многообразие вариантов кредитного скоринга, можно выделить основные рекомендации для заемщиков, которые помогут повысить ваши шансы на получение ссуды. О них мы расскажем далее.

Как отвечать на вопросы кредитного менеджера

Какую бы модель скоринга не использовал банк, есть характеристики, за которые заемщикам всегда начисляют дополнительные баллы. К ним относятся:

• Наличие счетов, материальных активов, недвижимости в собственности. Не пропускайте графы анкеты, содержащие вопросы о вашем имуществе и сбережениях. Не пытайтесь скрыть от банка факт наличия квартиры или депозита: если финансистам понадобится обратить на эти объекты взыскание, они самостоятельно установят все необходимые факты. На этапе получения кредита – это отличный шанс набрать несколько дополнительных баллов.
• Предпочтение отдается людям, состоящим в браке (в том числе – в гражданском). Помните об этом, заполняя заявление.
• Каждый ребенок рассматривается банком, как иждивенец. Если вы являетесь родителем, но при этом не фигурируете в свидетельстве о рождении, данный факт лучше не указывать.
• Важна и цель кредитования. Банки охотнее кредитуют на получение образования, ремонт и т.д., но не на отдых и личные цели.
• Если вы получаете дополнительный доход и можете это подтвердить (к примеру, у вас есть депозит или квартира, которую вы сдаете), обязательно укажите это в анкете и предоставьте соответствующее подтверждение.
• Оплачивая учебу детей или собственную, не спешите писать об этом (данный факт весьма сложно установить, но вы имеете шанс лишиться нескольких баллов).
• Лишний балл можно получить при наличии страховки жизни и имущества, находящегося в собственности.

Таким образом, вдумчивое заполнение анкеты уже само по себе является шансом повысить вероятность получения ссуды. Если же данные будут подкреплены документально – это еще один плюс вам.

Проанализировав основные скоринговые модели и ситуацию на российском рынке, можно сделать вывод о том, что система кредитного скоринга позволяет банку более точно оценить риски по каждому заемщику и максимально снизить вероятность мошенничества, как со стороны клиентов, так и самих сотрудников. Важность оценки потенциальных заемщиков подтверждается еще и тем, что банки начинают активно внедрять Risk-Based Pricing – новый подход в формировании условий кредитования, когда процентная ставка устанавливается индивидуально, в зависимости от надежности клиента.

Модели кредитного скоринга

— Открытое руководство по рискам

Каталог моделей кредитного скоринга

Эта страница представляет собой полную коллекцию из публично задокументированных моделей и алгоритмов , используемых для кредитного скоринга.

Область применения

Сборник моделей кредитного скоринга фокусируется на классической проблеме оценки / классификации кредита за один период, которая обычно дает кредитный рейтинг и / или вероятностную оценку кредитного риска на основе выбранных характеристик заемщика.

На этой странице не рассматриваются связанные категории моделирования кредитного риска:

Выше исключены типы моделей кредитного риска, хотя и связанные с кредитным скорингом:

• включают различные и более сложные наборы данных
• в целом основаны на разных алгоритмах (менее связанных с проблемами классификации, а также менее стандартизированы и имеют меньше общего с алгоритмами машинного обучения)
• используются в различных рабочих процессах (нормативный капитал в соответствии с Базель II, отчетность по МСФО 9, экономический капитал и т. Д.)

Общие элементы моделей кредитного скоринга

Следующие характеристики более точно определяют коллекцию модели кредитного скоринга, задокументированную на этой странице:

• Алгоритмы кредитного скоринга, по сути, статистические по своей природе: они используют эмпирические свидетельства (исторические реализации событий) для формулирования прогнозов будущих событий
• Алгоритмы явно не включают какие-либо предшествующие теоретические правила, основанные на экономической теории .Следовательно, вне сферы действия находятся любые модели кредитного риска, основанные на теории рациональных ожиданий, отсутствии арбитража и т. Д. NB: Вполне возможно, что идеи экономической теории используются при выборе и / или структурировании характеристик.
• Рассматриваемые модели кредитного скоринга состоят по существу из одного алгоритмического шага . Например, статистическая модель, которая оценивается с помощью одной четко определенной автоматизированной процедуры. За рамками исследования находятся более сложные установки моделирования, в которых несколько этапов количественной оценки могут быть объединены в цепочку с использованием, e.g., а также экспертные знания или дополнительные предположения
• В основном алгоритмы кредитного скоринга, описанные здесь, используют методы машинного обучения

Классификация моделей Размеры

Модели кредитного скоринга используются во всем мире на протяжении десятилетий и в самых разных контекстах. Значительное совпадение методологии кредитного скоринга с другими статистическими дисциплинами означает, что весь арсенал статистических методов был доступен и опробован с разной степенью успеха, удобства использования и внедрения.Мы определяем здесь некоторые ключевые атрибуты модели, которые могут помочь классифицировать разнообразие моделей.

Эти атрибуты предназначены для характеристики самих моделей, а не области, к которой они применяются. Например, модель кредитного рейтинга на основе логистической регрессии, применяемая к физическим лицам, может отличаться от модели, применяемой к МСП, количеством и типом используемых характеристик. Для целей этого каталога эти два экземпляра относятся к одной категории.

Генеративное против дискриминационного

Генеративные модели производят распределения для всего набора переменных, то есть также для характеристик совокупности.В классическом кредитном скоринге характеристики населения обычно анализируются статистически, но не модели совместно с переменной результата . Примеры: скрытые марковские модели, наивный байесовский. https://en.wikipedia.org/wiki/Generative_model Примеры дискриминационных моделей: линейная / логистическая регрессия, случайные леса, вспомогательные векторные машины, ускорение (метаалгоритм), условные случайные поля, нейронные сети https: //en.wikipedia .org / вики / Discriminative_model

Сравнение параметрических и непараметрических моделей

Параметрические модели устанавливают явные функциональные отношения между конечным числом переменных по сравнению с непараметрическими моделями, которые подразумевают функциональную форму непосредственно из данных, неявно допуская бесконечное количество переменных.https://en.wikipedia.org/wiki/Parametric_model https://en.wikipedia.org/wiki/Nonparametric_statistics Также могут быть смеси (полупараметрические модели, объединяющие явный набор переменных вместе с непараметрической обработкой другие). Примеры: модели, использующие оценку плотности ядра, KNN.

Линейные и нелинейные модели

Линейные модели устанавливают линейные отношения между переменными модели. Обобщенные линейные модели ослабляют это ограничение только во взаимосвязи между входными и выходными переменными, тем самым сохраняя значительную управляемость по сравнению с полностью нелинейной моделью https: // en.wikipedia.org/wiki/Generalized_linear_model Примеры: GLM: логистическая регрессия, нелинейные нейронные сети

Результат: классификация против прогноза (или регрессии) против кластеризации

Прогнозные модели позволяют оценивать непрерывную переменную, тогда как модели классификации предсказывают принадлежность к классу (выраженному категорией). В классическом кредитном скоринге переменная ответа фактически является двоичной, поэтому большинство алгоритмов можно рассматривать как проблемы классификации, даже если они на самом деле являются регрессиями.Пример: логистическая регрессия. Алгоритмы кластеризации обеспечивают в качестве основного выхода идентификацию классов сходства.

Контролируемые и неконтролируемые модели

Для контролируемых моделей требуется наличие меток (например, реализованных кредитных событий) в наборе обучающих данных. Неконтролируемые модели не требуют такой информации (и поэтому только косвенно классифицируют или прогнозируют кредитные события). Неконтролируемые модели далее подразделяются на кластеризацию (определение групп населения) и правила ассоциации.Пример: K-означает. Полу-контролируемое машинное обучение соответствует в кредитном рейтинге ситуации с цензурированным набором данных.

Наблюдаемые переменные в сравнении со скрытыми (скрытыми) переменными

В первой категории все переменные в принципе наблюдаемы (манифест). Во второй категории предполагается, что важные зависимости между наблюдаемыми переменными опосредованы скрытыми (скрытыми, ненаблюдаемыми) переменными. Такие переменные могут представлять внутреннее «состояние», которое имеет собственное четко определенное значение.
(Е.грамм. кредитоспособность) https://en.wikipedia.org/wiki/Latent_variable_model или быть скрытыми слоями (наборами промежуточных переменных), как в моделях нейронных сетей https://en.wikipedia.org/wiki/Multilayer_perceptron

Элементарные алгоритмы в сравнении с ансамблевыми (составными) или метаалгоритмами

Элементарные алгоритмы — это единый определенный набор статистических отношений. Вместо этого составные алгоритмы строятся из ансамблей или средних значений более элементарных моделей. https: //en.wikipedia.org / wiki / Ensemble_learning Существуют различные варианты построения ансамбля: Boostrap, Adaboost и т. д.

Частотный подход против байесовского подхода к оценке

При частотном подходе модели подходят к данным без какого-либо использования предварительных знаний о параметрах модели (следовательно, предполагая единообразные или неинформативные априорные значения). Байесовский подход позволит систематически включать априорную информацию в оценку модели. https://en.wikipedia.org/wiki/Bayesian_inference.Примеры: цепь Маркова Монте-Карло.

Список моделей кредитного скоринга

Это живой каталог моделей (алгоритмов) кредитного скоринга. Детализация покрытия модели и ее характеристик может увеличиться!

См. Также

Список литературы

Список использованной литературы (научные / другие публикации). Предпочтение следует отдавать:

• ссылки в открытом доступе (e.грамм. загружаемый файл PDF)
• отзывов, которые содержат указатели на дополнительные ссылки
• ссылок, которые предоставляют подробную и качественную документацию алгоритмов (без формул Word)
• фокусируется на требованиях / приложениях кредитной оценки, а не на общих статистических материалах / материалах по машинному обучению

Список не нацелен на установление академического приоритета, а на обеспечение достаточной документации для каждой указанной модели. Допускается использование нескольких ссылок, если они дополняют друг друга.

Применяется обычный отказ от ответственности: включение в список не подразумевает никаких гарантий относительно правильности, полноты или пригодности.

1. ↑ Э. Альтман, «Финансовые коэффициенты, дискриминантный анализ и прогноз корпоративного банкротства», J.Finance 23 (1968) 589-609
2. ↑ Дж. Вигинтон «Заметка о сравнении логит-моделей и дискриминантных моделей потребительского кредитного поведения», Журнал финансового и количественного анализа 15 (1980) 757-770
3. ↑ K Roszbach «Банковская кредитная политика, кредитный скоринг и выживаемость кредитов», (1998)
4. ↑ Галиндо, Дж.и П. Тамайо, «Оценка кредитного риска с использованием статистического и машинного обучения: базовая методология и приложения для моделирования рисков», Computational Economics 15 (2000), 107–143.
5. ↑ Л. Брейман, «Случайные леса», (2001) Препринт
6. ↑ C.Hsu, C.Chang и C.Lin, «Практическое руководство по классификации опорных векторов», препринт (2003)
7. ↑ W.Henley, D.Hand, «$ k $ -классификатор ближайшего соседа для оценки риска потребительского кредита», The Statistician 45 (1996) 77-95
8. ↑ Д.Уэст, «Модели кредитного скоринга нейронных сетей», Computers & Operations Research 27 (2000) 1131-1152
9. ↑ Канунго и др., «Эффективный алгоритм кластеризации k-средних», IEEE Transaction по анализу паттернов и машинному интеллекту 24 (2002) 881-892
10. ↑ Н. Фридман, Д. Гейгер, М. Гольдшмидт, «Байесовские сетевые классификаторы», Машинное обучение, 29, 131–163 (1997)
11. ↑ Hand D.J., McConway K.J. и Stanghellini, E. «Графические модели соискателей кредита», IMA Journal of Mathematics Applied in Business and Industry, 8 (1996), 143-155

,

Страница не найдена 404 | Deloitte

Страница не найдена 404 | Deloitte | Глобальные услуги, отчеты и отраслевые аналитические данные

Пожалуйста, включите JavaScript для просмотра сайта.

Выбранная вами страница могла быть перемещена или больше не доступна.

Или попробуйте:

Если вы получили эту ошибку при нажатии на URL-адрес нашего веб-сайта, свяжитесь с нами.

Вернуться на главную

,

Кредитный скоринг / Кредитный рейтинг / Клиентский риск

Этот рабочий процесс можно найти на сервере KNIME EXAMPLES в разделе 50_Applications / 02_Credit_Scoring / 01_CreditScoring50_Applications / 02_Credit_Scoring / 01_CreditScoring ^*

Этот рабочий процесс KNIME фокусируется на создании модели кредитного скоринга на основе исторических данных. Как и во всех действиях по моделированию интеллектуального анализа данных, заранее неясно, какой аналитический метод является наиболее подходящим. Таким образом, в этом рабочем процессе одновременно используются три разных метода — деревья решений, нейронная сеть и SVM — затем автоматически определяется, какая модель наиболее точна, и эта модель записывается для дальнейшего использования.

Этот рабочий процесс управляет данными, поэтому он подходит для различных методов моделирования путем преобразования номиналов в числа. Данные были улучшены, поэтому используются понятные метки. Он использует метаноды для «упаковки» каждого метода, подходящего для повторного использования. Каждая модель использует процесс тестирования / обучения и перекрестной проверки для обеспечения точности. Рабочий процесс записывает модель в официальном формате PMML, чтобы другие приложения могли использовать модель.

Данные предоставлены немецким кредитным агентством

.

Профессор Др.Hans Hofmann
Institut für Statistik und Ökonometrie
Universität Hamburg
FB Wirtschaftswissenschaften
Von-Melle-Park 5
2000 Hamburg 13

Доступно по адресу http://archive.ics.uci.edu/ml/datasets/Statlog+%28German+Credit+Data%29

* Ссылка откроет рабочий процесс непосредственно в KNIME Analytics Platform (требования: Windows; KNIME Analytics Platform должна быть установлена ​​с установщиком версии 3.2.0 или выше)

,

Что такое коэффициент использования кредита?

Коэффициент использования вашего кредита, иногда называемый коэффициентом использования кредита, представляет собой сумму возобновляемого кредита, которую вы в настоящее время используете, деленную на общую сумму доступного возобновляемого кредита. Другими словами, это сумма вашей текущей задолженности, разделенная на ваш кредитный лимит. Обычно выражается в процентах. Например, если у вас есть общая сумма кредита на сумму 10 000 долларов США по двум кредитным картам и остаток в размере 5000 долларов США по одной, ваш коэффициент использования кредита составляет 50% — вы используете половину от общего объема кредита, который у вас есть.Вы можете рассчитать общий коэффициент использования кредита, а также коэффициент для каждого из ваших кредитных счетов (так называемый коэффициент использования вашей карты).

Модели кредитного скоринга часто учитывают ваш коэффициент использования кредита при расчете вашего кредитного рейтинга. Они могут повлиять на до 30% кредитного рейтинга (что делает их одними из наиболее влиятельных факторов), в зависимости от используемой модели оценки.

Низкий коэффициент использования кредита показывает, что вы используете меньше доступного кредита.Модели кредитного скоринга обычно интерпретируют это как показатель того, что вы хорошо справляетесь с управлением кредитами, не тратя лишних средств, а контроль расходов может помочь вам достичь более высоких кредитных рейтингов. Более высокие кредитные рейтинги могут облегчить получение дополнительных кредитов, таких как автокредиты, ипотека и кредитные карты с выгодными условиями, когда вам это нужно.

Оборотный кредит

Показатели использования кредита основаны исключительно на возобновляемом кредите — по сути, ваших кредитных картах и ​​кредитных линиях.Ставки не включают ссуды в рассрочку, такие как ипотека или автокредит. Эти факторы влияют на вашу кредитоспособность по-другому.

«Оборотный кредит» называется так, потому что у него нет заранее определенной даты окончания; сумма вашей задолженности переносится (меняется) из месяца в месяц. Каждый месяц вы можете брать взаймы под свой кредитный лимит, уменьшая сумму кредита, которая у вас есть, полностью или частично погашать и снова занимать под доступную сумму.

До тех пор, пока ваша учетная запись имеет хорошую репутацию и вы не достигли своего кредитного лимита, вы сможете продолжать брать ссуды с помощью кредитной карты или кредитной линии.Каждый месяц вы будете платить проценты на использованную сумму кредита. Если вы ежемесячно полностью оплачиваете остаток по кредитной карте, вам не будут начисляться проценты, а коэффициент использования кредита будет низким.

Ссуды в рассрочку, такие как ипотека и автокредиты, учитываются по другой ставке — соотношению вашего долга к доходу. Ипотечные компании и автокредиторы часто используют отношение долга к доходу, чтобы понять, какая часть вашего общего годового дохода идет на выплату долга в рассрочку. Хотя многие кредиторы используют отношение долга к доходу для принятия решений и могут рассматривать его как ценный показатель, он не используется для расчета ваших кредитных рейтингов.

По карте и общее использование

Хотя коэффициент использования кредита обычно представляет собой сравнение общего объема использованного кредита с общим доступным кредитом, также важна сумма кредита, используемого для отдельных карт. Коэффициент использования кредита для каждой карты рассчитывается так же, как и общий коэффициент использования, за исключением того, что он сравнивает баланс отдельной кредитной карты с доступным кредитом на той же карте.

Давайте вернемся к нашему предыдущему примеру с двумя кредитными картами с общим кредитным лимитом в 10 000 долларов, из которых вы используете 5 000 долларов.Ваш общий коэффициент использования кредита составляет 50 процентов. Если для каждой карты установлен кредитный лимит в 5000 долларов, и вы должны 3000 долларов по одной и 2000 долларов по другой, коэффициент использования вашей карты составит 60% и 40% соответственно.

Что такое хороший коэффициент использования кредита?

По шкале FICO ^® Score ^☉ или по шкале VantageScore обычно рекомендуется поддерживать общий коэффициент использования кредита ниже 30%. Например, если ваш общий кредитный лимит составляет 10 000 долларов, ваш общий возобновляемый баланс не должен превышать 3 000 долларов.Как правило, низкий коэффициент использования кредита считается показателем того, что вы хорошо справляетесь со своими кредитными обязанностями, потому что вы далеки от перерасхода средств. Однако более высокая ставка может быть признаком для потенциальных кредиторов или кредиторов, что у вас проблемы с управлением своими финансами.

Отчетность по балансу и использование кредита

Каждый месяц, когда вы оплачиваете счет по кредитной карте, вы влияете на коэффициент использования кредита. Если вы сделаете значительный платеж, который, как вы знаете, снизит вашу ставку до 30%, вы можете быть разочарованы, если не заметите немедленного улучшения своего кредитного рейтинга.

Важно понимать, что коэффициент использования кредита — и по умолчанию ваши кредитные баллы — может зависеть от времени, когда компания, выпускающая кредитную карту, обновляет информацию о вашем балансе в агентствах кредитной отчетности. Обычно компании-эмитенты кредитных карт обновляют эту информацию каждые 30 дней в конце вашего платежного цикла. Вполне возможно, что вы можете произвести платеж с помощью одной из своих кредитных карт, но не заметите воздействия на свои кредитные рейтинги в течение нескольких недель, когда компания-эмитент кредитной карты обновит информацию о вашем балансе в агентствах кредитной информации.

Следует ли открывать кредитные карты, чтобы повысить коэффициент использования кредита?

Вы можете управлять коэффициентом использования кредита несколькими способами, в том числе:

• Выплата остатка по кредитной карте в полном объеме каждый месяц. Помните, что даже если вы не можете полностью «вернуться к нулю» каждый месяц, поддержание максимально низкого уровня остатков по-прежнему помогает вам двигаться в правильном направлении и избегать чрезмерного накопления долгов.
• Сохранение открытых кредитных счетов с нулевым балансом, даже если вы не собираетесь их использовать.
• Запрос увеличения кредитного лимита у эмитента кредитной карты.
• Открытие новых кредитных счетов.

Этот последний вариант, однако, может негативно повлиять на вашу оценку в краткосрочной перспективе. В моделях кредитного скоринга также учитывается количество раз, когда новые кредиторы — например, новая компания, выпускающая кредитные карты — просматривали ваш кредитный отчет в течение определенного периода времени. Слишком большое количество запросов за короткий период времени может повлиять на ваш кредитный рейтинг. Кроме того, наличие слишком большого количества кредитных карт по сравнению с общим кредитным портфелем также может быть фактором риска и отрицательно повлиять на ваши кредитные рейтинги.Вы знаете себя лучше всех, и если наличие открытых карт с высокими лимитами может оказаться слишком заманчивым для вас, чтобы потратить слишком много средств, внимательно подумайте о правильном количестве счетов для вас, исходя из ваших личных сильных сторон и финансовых возможностей.

Как закрытие кредитной карты может повлиять на коэффициент использования кредита

Как открытие новых карт может иметь краткосрочные негативные последствия, так и закрытие существующих счетов. Когда вы закрываете счет кредитной карты, вы уменьшаете общий кредитный лимит. Если вы ничего не должны по кредитным картам, ваш коэффициент использования кредита равен нулю, и снижение общего доступного кредита не изменит этот коэффициент.Однако, в зависимости от возраста закрытого счета кредитной карты, продолжительность вашей кредитной истории может отрицательно повлиять на вашу оценку.

Если у вас есть баланс и уменьшите общий доступный кредит, закрыв счет с нулевым балансом, вы можете повлиять на коэффициент использования. Например, предположим, что у вас есть доступный кредит на сумму 10 000 долларов по двум картам, с лимитом кредита в 5 000 долларов по каждой, и ваш долг по 5 000 долларов по одной. Ваш уровень использования кредита в настоящее время составляет 50%. Вы решаете закрыть карту с нулевым балансом, что снижает общий доступный кредит до 5000 долларов.Теперь у вас 100% использования кредита!

Уровень использования кредита — лишь один из многих факторов, которые могут повлиять на ваш кредитный рейтинг. Важно понимать, как это работает, и как вы можете управлять использованием кредита, чтобы он работал на вас. Чтобы увидеть, как ваша кредитная история может выглядеть для кредиторов и других лиц, вы можете проверить свой кредитный отчет в Experian.

FICO — зарегистрированная торговая марка Fair Isaac Corporation.

.