Компьютерра - Журнал «Компьютерра» № 4 за 31 января 2006 года

В то же время оперативность не должна отражаться на качестве принимаемых решений. Если выдавать кредиты всем без разбору, то лидирующее положение на рынке обернется финансовой катастрофой, подобной той, которая постигла в конце 2003 года Южную Корею. Объем просроченных потребительских кредитов к тому времени составлял 57,47 млрд. долларов, или 13,5% от общего числа выданных кредитов (аналогичные показатели 1999 года — 10,95 млрд. и 2,6% соответственно[Доля невозвратов в России, по разным оценкам, колеблется от 3 до 4%]). С одной стороны, это привело к возрастанию числа самоубийств и преступлений на долговой почве, а с другой — к серьезному банковскому кризису. Причиной столь безрадостной картины послужило отсутствие у банков отработанных систем управления рисками на фоне жесткой борьбы за рынок.

Впрочем, эта проблема гораздо старше и, по сути, родилась вместе с розничным кредитованием. Первый алгоритм для оценки потенциального кредитозаемщика был предложен еще в 1941 году Дэвидом Дюраном. К тому же времени можно отнести появление термина «кредитный скоринг», означающего сложную математическую систему определения степени платежеспособности заемщика, основанную на анализе нескольких характеристик клиента. Между прочим, модель Дюрана (см. врезку) широко применяется в финансовых организациях по сей день. Разумеется, в середине XX века речь шла не об использовании специализированного ПО, а о схеме работы кредитных инспекторов.

Задача скоринга — не только выявить потенциально неплатежеспособного клиента, но и пресечь деятельность мошенников, изначально не планирующих возвращать кредит. Если в первом случае шанс получения от клиента правдивых данных достаточно велик, то злоумышленники пытаются вводить специально составленный набор данных, для того чтобы найти и использовать «слабые места» в системе скоринга. Эта криминальная практика является довольно распространенной. Множество фирм, формально консультирующих заемщиков при заполнении документов на получение кредита, на деле за определенную сумму подсказывают своим клиентам «правильные» ответы на вопросы банковской анкеты. Иногда злоумышленникам удается обманывать систему до тех пор, пока схема мошенничества не будет обнаружена соответствующей службой банка.

«Обороноспособность» системы зависит прежде всего от модели оценки клиента. Обычный анализ вопросов анкеты наиболее уязвим для «взлома», так как обойти все «ловушки», которые банк может поставить для проверки достоверности предоставляемых данных, сравнительно просто. Обычно для этого формируются специальные группы «заемщиков», формально соответствующих требованиям банка по проверяемым характеристикам и «правильно» отвечающим на те вопросы анкеты, которые затруднительно проверить.

Более эффективным подходом в обеспечении кредитной безопасности является составление психологического портрета заемщика путем сбора максимально детализированной информации. Вкупе со средствами, вроде data mining, это дает неплохие результаты.

По мере развития ИТ банки стали заказывать разработчикам и скоринг-системы. В результате к настоящему времени даже сформировался рынок таких ИТ-решений, хотя большинство банков предпочитают уникальные разработки. Дело в том, что алгоритмы работы скоринг-системы должны оставаться конфиденциальной информацией, поскольку при получении таких данных злоумышленники, теоретически, могут указать «правильные» данные при оформлении заявки и «обмануть» систему. Подобное ПО дало новые возможности для обслуживания клиентов. Помимо уже упоминаемого сокращения срока обработки клиентских данных (если верить представителям «Хоум Кредит энд Финанс Банк» [ХКФБ], их система принимает решение о выдаче кредита до 50 тысяч рублей в течение нескольких минут), стало возможным, например, отказать клиенту в том или ином кредитном продукте и сразу же предложить альтернативный вариант (с меньшей суммой или на более жестких условиях), соответствующей рассчитанному показателю платежеспособности. По этому принципу с 2005 года работают ХКФБ и «Русский стандарт». Вместо отказа в предоставлении кредита клиенту предлагают, например, увеличить первоначальный взнос до указанной суммы.

Кстати, развитие скоринга в отечественной банковской практике может несколько притормозиться в результате принятого в 2005 году закона о кредитных историях. По этому документу к 1 сентября 2005 года все российские банки заключили договор с одним из бюро кредитных историй (пока можно выделить четыре крупных учреждения) на передачу данных о «своих» заемщиках и запрос данных о «чужих». Одновременно с этим Центробанк разработал интернет-сервис для доступа к Центральному каталогу кредитных историй, благодаря которому пользователь может ознакомиться с местонахождением своей собственной финансовой биографии. Появление общей базы кредитных историй дает отечественным банкам новые возможности для проверки платежеспособности клиентов, и ряд кредитных учреждений может отказаться в этом случае от автоматизированной оценки.