CC BY
0УДК 33 Ильин И.В., Терновская Е.П.
Ильин И.В.
магистрант кафедры банковского дела и монетарного регулирования Финансовый университет при Правительстве РФ (г. Москва, Россия)
Научный руководитель: Терновская Е.П.
к.э.н., профессор кафедра банковского дела и монетарного регулирования Финансовый университет при Правительстве РФ (г. Москва, Россия)
СОВЕРШЕНСТВОВАНИЕ МЕТОДИК ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ФИЗИЧЕСКИХ ЛИЦ КАК МЕТОД ПОВЫШЕНИЯ КАЧЕСТВА РОЗНИЧНОГО БИЗНЕСА БАНКА
Аннотация: розничное кредитование является важным направлением деятельности любого коммерческого банка, прежде всего, ввиду его высокой маржинальности. В то же время кредитование физических лиц сопровождается высокими рисками, для снижения которых существенное значение имеет использование банком эффективной методики оценки кредитоспособности заемщиков. В статье дана оценка рисков розничного кредитования, предложены направления повышения обоснованности методик анализа кредитоспособности физических лиц на основе развития поведенческого скоринга, использования возможностей цифровых технологий с учетом возможных рисков, внедрения в скоринговые методики страховых инструментов.
Ключевые слова: розничное кредитование, риски, кредитоспособность, скоринг, цифровые технологии, страхование.
Одной из острых проблем розничного бизнеса банков является сохранение высоких ставок по кредитам физическим лицам, что связано с размером ключевой ставки Банка России, снижение которой в ближайшее время
на прогнозируется. Так, наиболее существенно выросли ставки по краткосрочным кредитам - в ряде банков они стали фактически заградительными, превысив 30%.
Динамика процентных ставок по кредитам ФЛ в рублях, % годовых рис
30
Источник: Банк России. Рисунок 1. Динамика процентных ставок по кредитам физическим лицам, %.
В свою очередь, это вызвало рост кредитной нагрузки населения, которая в 2024 году достигла рекордной величины. А на 1 декабря 2024 года объем процентов, начисленных, но не выплаченных заемщиками, составил 607,8 млрд, увеличившись с начала года на 22,2%. При этом темпы роста кредитования (11%) оказались ниже, чем рост процентных обязательств, что было связано во многом с ужесточением требований регулятора, направленных на сдерживание темпов роста кредитования физических лиц.
В результате ставки по кредитам существенно увеличились: по итогам второго квартала индекс ставок по потребительским кредитам составил 28,67%, а на 16 января 2025 г. - 32,03% годовых. По данным «Дом.РФ» процентные ставки по ипотечным кредитам, предоставляемым на рыночных условиях в ведущих 20 банках за это же время увеличились на 11,3-11,8 п.п., превысив 30% по кредитам на приобретение готового жилья.
Часть вновь полученных кредитов использовалась на погашение ранее взятых ссуд, в результате к началу июля 2024 года почти третья часть заемщиков вынуждена была обслуживать более трех кредитов, а число таких клиентов за год увеличилось на 20 процентов^
Даже в сегменте ипотечного кредитования наблюдался рост просроченной задолженности, при этом на рынке вторичного жилья он не компенсировался увеличением объемов кредитования (таблица 1).
Таблица 1. Динамика задолженности по ипотечным кредитам в 2023- I квартале 2024 гг.
Общая задолженность по ипотеке на конец месяца, млн рублей Динамика
Апрель 2023 г. Март 2024 г. Апрель 2024 г. за год за месяц
Всего 14 753 193 18 453 620 18 606 720 26% 0,8%
в т.ч. просроченная 59 732 64 461 66 339 11% 2,9%
На первичном рынке 3 576 030 4 732 720 4 768 353 33% 0,8%
в т.ч. просроченная 4 932 б 234 6 468 31% 3,8%
На вторичном рынке (+ИЖС) 11177 163 13 720 900 13 833 367 24% 0,9%
в т.ч. просроченная 54 800 58 227 59 871 9% 2,8%
Источник: Расчеты Циан.Аналитики по данным ЦБ РФ //
https://metrics.cian.ru/stati-dolja-prosrochennyh-ipotechnyh-kreditov-prodolzhaet-
rasti-335438/
В такой ситуации банкам приходится уделять больше внимания оценке кредитоспособности заемщиков для того, чтобы иметь возможность обеспечивать своевременный возврат средств вкладчикам, разместившим свои сбережения по высоким ставкам. Как правило, банки используют различные скоринговые модели оценки кредитоспособности, используя во многом аналогичный набор показателей. Для сбора и обработки большого количества данных о заемщиках-физических лицах активно используются современные
цифровые технологии: биг-дата, искусственный интеллект, машинное обучение, анализ неструктурированной информации из различных источников.
Интересный опыт так называемого поведенческого скоринга накоплен как в международной практике, так и российскими коммерческими банками.
Так, инструментом, дающим возможность заемщикам использовать своевременные арендные платежи для улучшения своего кредитного рейтинга, является, например, британский сервис CreditLadder. Это особенно важно для молодежной аудитории, пока не имеющей кредитной истории, но активно пользующейся арендным жильем.
Другой британский стартап - Credit Kudos - в партнерстве с компанией Cybertonica, занимающейся технологиями ИИ, стал использовать в своем анализе поведенческую аналитику (движение курсора на экране, скорость печати на клавиатуре, быстроту нажатия на тачскрин), позволяющую повысить обоснованность скоринговой оценки заемщика.
Алгоритмы машинного обучения компании Lenddo интерпретируют такие нетрадиционные для кредиторов данные, как активность в соцсетях, поведение в браузере а также геолокацию. Всего учитываются более 12 тыс. переменных, существенно повышается скорость анализа, расчет доля одобренных кредитов при повышении точности оценки кредитоспособности клиента.
В российских коммерческих банках также применяются современные цифровые технологии для совершенствования бизнес-процессов в разных сферах деятельности. Так, в докладе Банка России для общественных консультаций отмечаются основные сферы использования искусственного интеллекта (ИИ) в финансовых организациях (таблица), в том числе для осуществления скоринга.
Таблица 2. Сферы применения ИИ в финансовых организациях
Область применения Сфера применения
Первая линия: фронт'офш: Чат-боты
»Умньсе» инструменты маркетинга
Ал готрейдинг. инаестмционное консультирование и oushhq ооимост актиыиы
Вторая лииия: проверка н обрйбатка операций Скаринг
Подтеерждение огтераинйг обработка до-кум Ё-НТОЕ1
1 11 sl линлй: операцнонный учет Мониторинг Трин2йкиий
Общее Разра бот ка г опт ими за ij.it я П О
Источник: Банк России
Применение ИИ в формировании скоринговых моделей позволяет «финансовым организациям более точно сегментировать клиентов на однородные группы, определять их потребности и риск-профиль ... Например, анализ оплаты счетов за коммунальные услуги позволяет добавить в модель оценки кредитоспособности новые переменные и точнее рассчитать кредитный рейтинг для клиентов, у которых недостаточно кредитной истории»ii. По мнению основателя СЕО Mirey Robotics, эксперта по искусственному интеллекту Андрея Наташкина, «наиболее активно нейросети развивались именно в области системы оценки кредитоспособности. Только после этого ИИ начал постепенно закрывать другие задачи финансового сектора: коммуникация с клиентами, работа с должниками, выявление фактов мошенничества, сегментация клиентов» iii.
Технологии искусственного интеллекта стали использовать в первую очередь крупные банки, включая Сбербанк и Альфа-банк. Так, Сбер, используя ИИ в кредитном процессе смог улучшить подбор персональных предложений для потенциальных клиентов и снизить риски невыплаты кредитов. Уже в 2023 г. 100% решений по частным заемщикам в Сбербанке принимаются с
использованием ИИ, Альфа-Банк начал интегрировать ИИ в систему скоринга в конце 2021 года. В результате удалось в два раза уменьшить количество число отказов клиентам в получении кредита. Сейчас для проверки кредитоспособности заемщиков в Альфа-Банке нейросети ежемесячно проверяют до 1 ТБ информации.
Однако регулятор выделил целый ряд рисков при применении моделей ИИ, которые могут хорошо работать в относительно стабильной среде, при этом в кризисных ситуациях, которые могут привести к существенным сдвигам в поведении клиентов, может пострадать точность моделей.
С другой стороны, с помощью искусственного интеллекта собираются и обрабатываются разнообразные источники, включая, в первую очередь, социальные сети (рисунок 2), в которых пользователь может сознательно исказить информацию о себе, преследуя цель создать для посторонних свой привлекательный облик, что может не дать полного представления в потенциальном заемщике.
I
Источник: Банк России. Рисунок 2. Дополнительные источники информации о потенциальных клиентах банка, используемые для проведения скоринга.
Проблемы, связанные с использованием технологии ИИ для совершенствования скоринга, рассматривались на 13-м ежегодном форуме Scoring Day 19 сентября 2024 года. Ключевой темой стал True Scoring как стратегия клиентоцентричного бизнеса. При этом экспертами отмечалась необходимость поддержания баланса между конфиденциальностью и персонализацией, а также важность решения задачи по минимизации искажений технологиями защиты данных. Кроме того, много вопросов пока остается с точки зрения получения согласий от клиентов.
В качестве практических результатов рассматривались:
- опыт выстраивания унифицированного процесса разработки и продуктивизации каскадов в Альфа-Банке,
- запуск сервиса кредитной истории в мобильном приложении Т-банка, способствующего решению проблемы отсутствия обновлений данных по кредитам в онлайн-режиме (больше 14% клиентов оформляли несколько кредитных продуктов за 3 дня) и наименований банков и МФО в кредитной истории.
В то же время в числе дискуссионных остаются, например, вопросы, связанные с возможностями использования для аналитики обезличенных данных, доступ к которым законодательно ограничен. Поэтому представляется желательным открытие части закрытых данных кредитных историй (например, наименования банков), добавление реквизитов кредитов, чтобы кредитные истории использовались не только для просмотров, но и как платежный инструмент, возможность идентификации клиентов по ИНН и дате рождения, а не только по паспорту, поскольку при смене паспорта история часто обнуляется.
Наряду с расширением использования цифровых технологий, повышением точности и предсказательной способности используемых для скоринговой оценки моделей для дополнительной защиты банка от кредитного риска и повышения отдачи от кредитования физических лиц - как важного направления розничного бизнеса банка - можно использовать сочетание двух инструментов - кредитного скоринга и страхования.
С помощью скоринга можно выявить некачественных заемщиков и сформировать условия кредита, но это не позволяет влиять на неявные и форс-мажорные риски. Такую возможность может предоставить эффективное взаимодействие со страховыми организациями^. Взаимодействие страховых и кредитных организаций и в настоящее время используется при кредитовании, когда условием снижения ставки по кредиту может являться страхование отдельных рисков (например, страхование жизни при ипотечном кредитовании, страхование предметов залога при целевом кредитовании). Однако в данном случае речь идет непосредственно о страховании рисков дефолта по кредитам, который может возникнуть по разным причинам. Страхование кредитных рисков позволит банку уменьшить свои потери при покрытии убытков от невыполнения заемщикам своих обязательств, а участие страховщиков позволяет сформировать менее значительные резервы для покрытия вероятных убытков, так как вероятность одновременного наступления страховых случаев у всех страхователей крайне низка. В свою очередь, снижение затрат на резервирование может привести к снижению процентной ставки по кредиту розничному заемщику, увеличить доступность кредита и число клиентов, повысив в итоге прибыльность розничного кредитования.
СПИСОК ЛИТЕРАТУРЫ:
1. Начисленные россиянам проценты по кредитам превысили Р600 млрд. РБК, 25 января 2025 г. // https://w.rbc.ru/finances/20/01 /2025/678a40d89a79471f41d13897;
2. Банк России. Применение искусственного интеллекта на финансовом рынке. Доклад для общественных консультаций. - М., 2023;
3. ИИ в кредитном скоринге // https://jetlend.ru/blog/novaya-era-v-kreditnom-skoringe-kak-ii-pomogaet-otsenivat-zaemshhikov-sprosili-ekspertov-i-rasskazali-pro-opyt-jetlend/;
4. Федорова А. Ю., Харитонова К. Г. Синергия скоринга и страхования как средство давления на риски кредитования физических лиц // Социально-экономические явления и процессы. 2017. Т.12, № 2. С.160-165
Ilyin I. V., Ternovskaya E.P.
Ilyin I.V.
Financial University under Government of Russian Federation
(Moscow, Russia)
Scientific advisor: Ternovskaya E.P.
Financial University under Government of Russian Federation
(Moscow, Russia)
IMPROVING METHODS OF ASSESSING CREDITWORTHINESS OF INDIVIDUALS AS A METHOD OF IMPROVING QUALITY OF BANK'S RETAIL BUSINESS
Abstract: retail lending is an important area of activity for any commercial bank, primarily due to its high marginality. At the same time, lending to individuals is accompanied by high risks, for the reduction of which it is essential for the bank to use an effective methodology for assessing the creditworthiness of borrowers. The article provides an assessment of the risks of retail lending, suggests ways to increase the validity of methods for analyzing the creditworthiness of individuals based on the development of behavioral scoring, the use of digital technologies taking into account possible risks, and the introduction of insurance instruments into scoring methods.
Keywords: retail lending, risks, creditworthiness, scoring, digital technologies, insurance.
i Начисленные россиянам проценты по кредитам превысили Р600 млрд. РБК, 25 января 2025 г. // https://www.rbc.ru/finances/20/01 /2025/678a40d89a79471f41d13897
" Банк России. Применение искусственного интеллекта на финансовом рынке. Доклад для общественных консультаций. - М., 2023
ш ИИ в кредитном скоринге // https://jetlend.ru/blog/novaya-era-v-kreditnom-skoringe-kak-ii-pomogaet-otsenivat-zaemshhikov-sprosili-ekspertov-i-rasskazali-pro-opyt-jetlend/
Федорова А. Ю., Харитонова К. Г. Синергия скоринга и страхования как средство давления на риски кредитования физических лиц // Социально-экономические явления и процессы. 2017. Т.12, № 2. С.160-165
