CC BY
59
- установить закрытый перечень совокупности мер бюджетно-правового и административно-правового принуждения, применяемых к нарушителям бюджетного законодательства;
- увязать определенные факты этого нарушения с конкретными бюд-жетно-правовыми мерами принуждения и установить связь с применением административно-правовых мер принуждения;
- установить административные наказания за нарушение бюджетного законодательства.
Гайдаржи Сергей Иванович, д-р экон. наук, советник при ректорате, rector@tsu.tula.ru, Россия, Тула, Тульский государственный университет
ON THE NECESSITY OF THE FORMATION OF UNIFIED STATE FINANCIAL CONTROL
S. I. Gaidarzhi
The causes of the need for a unified state financial control are investigated. The detrimental effects of these causes are outlined.
Key words: state financial control, the control bodies, control activities, budget.
Gaidarzhi Sergei Ivanovich, Doctor of Economics, Rectorate Adviser, rec-tor@,tsu.tula.ru, Russia, Federation, Tula, Tula State University
УДК 338.124.4; 336.774.3
ПРЕСКОРИНГ ПО ПЕРВИЧНОЙ ЗАЯВКЕ ЗАЕМЩИКА В СИСТЕМЕ ПОТРЕБИТЕЛЬСКОГО КРЕДИТОВАНИЯ
В.В. Евсюков, О. А. Моховикова
Рассмотрены особенности потребительского кредитования в современных условиях. Проведен анализ, отбор и предобработка показателей для оценки кредитоспособности заемщика. Описана технология проведения прескоринга по первичной заявке заемщика с использованием аналитической платформы Deductor.
Ключевые слова: потребительское кредитование, кредитный риск, оценка кредитоспособности заемщика, прескоринг по первичной заявке.
Итоги деятельности российских банков в сложных условиях 2016 г. позволяют говорить об определенном росте стабильности и возврате к уровню рентабельности докризисного периода [1].
Наиболее ощутимое негативное воздействие как на российскую экономику в целом, так и на банковский сектор оказывал ряд внешних факторов, в том числе, сложная геополитическая ситуация, введенные западными странами санкции, сложности с фондированием банков со стороны зарубежных
финансовых институтов, значительная волатильность сырьевых рынков и неспособность стран ОПЕК совместно с другими нефтедобывающими странами удержать цену на нефть на желаемом уровне, сокращение инвестиций и др.
В течение 2016 г. российская экономика показала неустойчивую динамику. По данным Росстата [2] сокращение ВВП за год составило 0,2 % (в 2015 г. спад на 3,7 %). При этом в четвертом квартале 2016 г. с учетом корректировки на сезонные эффекты имел место рост ВВП на 0,6 %. Промышленное производство выросло на 1,1 % (в 2015 г. спад на 3,4 %). Розничные продажи сократились на 5,2 % (в 2015 г. падение на 10,0 %) одновременно объемы розничного кредитования выросли на 1,4 % (в 2015г. сокращение на 6,3 %). Экспорт российских товаров за исключением нефти, газа и нефтепродуктов по итогам 2016 г. снизился на 10 %; итоговый объем ненефтегазового экспорта - 128,3 млрд. долларов - стал минимальным с 2009 г.
Инфляция в годовом исчислении в декабре 2016 г. находилась на уровне 5,4 % (в декабре 2015 г. уровень 12,9 %).
Тренд на снижение инфляции способствовал уменьшению Банком России ключевой ставки в 2016 г. до 10,5 % и затем до 10,0 %; в 2017 г. она последовательно снижалась до 9,75 % (27.03), до 9,25 % (02.05) и далее до 9 % (19.06).
По данным ЦБ, чистый вывоз капитала из России частным сектором в январе - апреле 2017 г. достиг $21 млрд. (за аналогичный период 2016 г. $9,8 млрд) [1].
По данным ЦБ, совокупный внешний долг России на
I.01.2017оценивался в 518,661 млрд. долларов (на 1.01.2016 соответственно 518,418 млрд долларов). За 2016г. органы госуправления увеличили свои долги (собственно госдолг) на 22,7 % - с 30,551 до 37,5 млрд долларов, банковский сектор РФ сократил внешние долги на 9,4 % - с 131,733 до 119,283 млрд долларов, внешняя задолженность ЦБ уменьшилась (на 1,6 %) - с
II,033 до 10,852 млрд долларов, отечественные компании, предприятия, организации (т.н. «прочие секторы») нарастили корпоративный долг на 1,7 % -с 345,1 до 351,026 млрд долларов.
Соотношение внешнего долга к ВВП на сентябрь 2016г. достигло 42 % - максимального значения с 2004 г.
На 1.04.2017 совокупный внешний долг России увеличился до 529,7 млрд долларов (вырос с начала года на 3,1 %).
Первичный дефицит федерального бюджета увеличился с 1,7 % ВВП в 2015 г. до 2,7 % ВВП в 2017 г.
Реальные располагаемые доходы россиян понизились в 2016 г. на 5,9 % (в 2015 г. снижение на 4,0 %). В феврале и марте 2017 г. они упали по сравнению с соответствующими периодами 2016 г. на 4,1 % и 2,5 %. В апреле реальные доходы снизились на 7,6 % в годовом исчислении.
По данным исследовательского холдинга «Ромира» [3], в апреле 2017 г. доля расходов россиян на покупку продуктов выросла до 57 %, что указывает на экономию затрат при приобретении других товаров и услуг.
По оценкам экспертов Высшей школы экономики (ВШЭ), в 2016 г. трудности с покупкой продуктов или одежды испытывал 41% россиян..
Таким образом, основная часть населения страны, «оптимизируя» свои расходы, не видит признаков провозглашенного официальной статистикой выхода из кризиса.
Во многом длительность и глубина продолжающейся рецессии российской экономики определяется всепроникающей коррупцией и низкой эффективностью органов государственного управления, нарастающими демографическими проблемами, увеличивающимся технологическим отставанием от динамично развивающихся стран и сопутствующей этому низкой производительности труда, острой нехваткой инвестиций, а также углубляющимся разрывом между бедными и богатыми слоями населения.
По состоянию на конец первого квартала 2017 г. суверенный кредитный рейтинг России от «большой тройки» международных рейтинговых агентств представлен следующими оценками: Standard & Poor's (от 17.03.2017): долгосрочный кредитный рейтинг России по обязательствам в иностранной валюте - «BB+» (прогноз - «позитивный»); долгосрочный рейтинг по обязательствам в национальной валюте - «ВВВ-» (прогноз - «позитивный»); Moody's (от 18.02.2017): долгосрочный кредитный рейтинг РФ по обязательствам, выраженным в иностранной валюте - «Ва1» (прогноз -«стабильный»); суверенный рейтинг с обязательствами в национальной валюте - «Ваа3» (прогноз - «стабильный»); Fitch (31.03.2017): долгосрочный кредитный рейтинг РФ, выраженный в иностранной валюте - «BBB-» (прогноз - «стабильный»); долгосрочный рейтинг с обязательствами в национальной валюте - «BBB-» (прогноз - «стабильный»).
Таким образом, на начало июня 2017 г. долгосрочный кредитный рейтинг России в иностранной валюте от агентств S&P и Moody's находится на спекулятивном уровне, от агентства Fitch - на нижней ступени инвестиционного уровня.
Тем не мене, гибкий обменный курс, приверженность таргетированию инфляции, бюджетная консолидация и совокупность мер поподдержка финансового сектора позволили сохранить внешние и бюджетные балансы, а экономике в определенной степени адаптироваться к текущим ценам на нефть. В то же время в основе адаптации экономики в целом по стране доминирует не мобилизация доходов, а значительное сокращение расходов, при этом в первую очередь урезаются расходы в регионах на социальную сферу и инвестиции в основной капитал.
В таких непростых условиях российские банки смогли добиться значительных результатов. В документе ЦБ «О динамике развития банковского сектора Российской Федерации в мае 2017 года» отмечается уверенный рост основных показателей банковского сектора [1]. Так, финансовый результат (прибыль) банков достиг за период январь - май 2017 г. 653 млрд рублей (235 млрд. рублей за аналогичный период 2016 г.). При этом удельный вес просроченной задолженности в корпоративном сегменте снизился с 6,7 % до 6,6 %, а в розничном — практически не изменился, оставаясь на уровне
8,1 %. При этом за май 2017 г. объем просроченной задолженности по розничному портфелю увеличился на 0,7 %.
В секторе кредитования физических лиц отмечается устойчивый рост ипотечного кредитования и некоторый рост необеспеченных потребительских ссуд.
В документе ЦБ РФ «Обзор финансовой стабильности №1 IV квартал
2016 - I квартал 2017 года» показано, что адаптируясь к изменения макроэкономической среды, ЦБ с целью предотвращения накопления кредитных рисков на рынке не обеспеченного кредитования физических лиц, установил новую шкалу коэффициентов риска по потребительским кредитам с высоким значением полной стоимости кредита (ПСК) при расчете нормативов достаточности капитала банков (применяется к кредитам, выданным после 1 марта
2017 г.).
Одновременно ЦБ ускорил процесс разработки методологии оценки рисков заемщиков на рынке потребительского кредитования с использованием показателей долговой нагрузки. При этом в качестве основных источников информации для расчета совокупной задолженности заемщика по всем кредитам (займам) рассматриваются различные бюро кредитных историй (БКИ).
Ориентированная в соответствии со стратегией банка на достижение оптимального уровня кредитного риска система риск-менеджмента помимо руководителей и специалистов банка включает в себя разнообразные инструменты идентификации и оценки рисков, а также собственно управления рисками.
В состав участников этой системы, как правило, входят: совет директоров, правление, кредитный комитет, структурные подразделения по управлению рисками, служба внутреннего контроля.
Кредитный риск при потребительском кредитовании определяется возможными потерями, обусловленными отклонением параметров формируемого заемщиком денежного потока платежей с целью погашения суммы долга и процентов по нему от параметров денежного потока, закрепленного в кредитном договоре.
На состояние рынка потребительского кредитовании оказывает влияние ряд требующих безотлагательного решения проблем, в том числе, несовершенство ориентированной на данный рынок законодательной базы, высокий уровень закредитованности многих заемщиков, низкий уровень финансовой грамотности значительной части населения.
В большинстве случаев наиболее закредитованными оказалась заемщики из категории людей с низкими доходами, берущие кредиты под высокие проценты. В соответствии с данными крупнейших БКИ доля заемщиков с более чем одним кредитом колеблется в диапазоне 39,2 - 34,3 %; при этом в среднем заемщик имеет более полутора активных кредитных договоров.
По-видимому, к основным факторам роста просроченной задолженности при потребительском кредитовании следует отнести чрезмерное стремление банков к расширению рынка со снижением уровня требований с
их стороны к заемщикам, снижение кредитной дисциплины заемщиков, обусловленное как объективными, так и субъективными причинами (мошенничество, социальный дефолт в связи со значительным ухудшением экономической ситуации в стране и др.), расширение масштабов деятельности банков с использованием кредитных продуктов с высоким уровнем риска (кредитные карты, кредиты без обеспечения и др.).
Среди распространенных на практике мер по снижению кредитного риска, таких как уменьшение объемов выдаваемых одному заемщику кредитов, оформление залога в качестве обеспечения кредита, привлечение поручителей в качестве гарантов возврата кредита, страхование кредитов и других, особое место отводится инструментам оценки кредитоспособности заемщика.
В настоящее время основными превентивными инструментами в системе риск-менеджмента в рамках потребительского кредитования является скоринг, базирующийся на бальной оценке заявок на получение кредита, и бюро кредитных историй (БКИ).
По определению P. Rose, «скоринг есть балльная система оценки заявок на потребительские кредиты. Системы скоринга основываются на дис-криминантных моделях или аналогичном им методе логистической регрессии, в которых используются несколько переменных, дающих в сумме цифровой балл каждого потенциального заемщика. Если такой балл превышает критический уровень, то кредит будет предоставлен, в противном случае - в кредите отказывается» [5].
Банки, как правило, применяют собственные критерии при формировании системы балльной оценки, корректируя ее при существенном изменении состояния внешней среды с учетом накопленного в этой области опыта.
Современные информационные и телекоммуникационные технологии способствовали в значительной степени оптимизации бизнес-процессов в банковской сфере. Банки с широкой филиальной сетью смогли внедрить технологии переноса операций по принятию любых значимых решений, включая решения по реализации кредитных продуктов, в центральный офис (бэк-офис) без каких-либо существенных затрат в рамках реализуемых бизнес-процессов. При этом появилась возможность уменьшить количество высококвалифицированных специалистов, в том числе андеррайтеров, сконцентрировав их в центральном офисе банка. При этом основной функцией подразделений филиальной сети (фронт-офисов) стала функция продажи клиентам банковских продуктов на основе стандартных технологий.
Характерным примером реализации такого подхода к оптимизации бизнес-процессов на основе возможностей современных информационных и телекоммуникационных технологий является Сбербанк с его развитой системой территориальных подразделений.
На российском рынке розничного кредитования, включающего жилищные кредитование, потребительское кредитование и автокредиты, стабильно доминирует Сбербанк РФ (рис.1). Объемы кредитования (в млн руб.)
ведущих участников этого рынка показывают отрыв Сбербанка от ближайшего конкурента ВТБ 24 более чем в 2,7 раза.
Рис.1. Рейтинг российских банков по показателю "Объем кредитов, выданных физическим лицам " на 01.03.2017 [4]
При этом темпы прироста объемов потребительского кредитования Сбербанка постепенно снижаются (табл. 1) [1].
Таблица 1
Объемы потребительского кредитования в Сбербанке за период 2012-2016 гг., млрд руб. [3,с.103]
По состоянию на Объем, млрд руб. Темп прироста, %
01.01.2012 635,7 -
01.01.2013 944,0 48,50
01.01.2014 1371,5 45,29
01.01.2015 1672,8 21,97
01.01.2016 1868,3 11,69
01.01.2017 2087,6 11,73
В табл. 2 приведены базовые значения параметров различных видов потребительского кредитования в Сбербанке (в особых случаях значения могут быть изменены) [1].
Рассмотрим вариант решения проблемы прескоринга по первичной заявке заемщика в системе потребительского кредитования применительно к Новомосковскому отделению Сбербанка.
В обобщенном виде бизнес-процесс выдачи потребительского кредита заемщику в Новомосковском отделении Сбербанка включает следующие этапы: прием заявки, интервью с потенциальным заемщиком, изучение его
кредитоспособности и оценка риска, подготовка к заключению договора. Этап бизнес-процесса, связанный с непосредственным принятием решения по выдаче запрашиваемого кредита, реализуется андеррайтерами головного офиса банка. Заключительный этап бизнес-процесса потребительского кредитования - выдача кредита - реализуется Новомосковским отделением Сбербанка после получения положительного решения от андеррайтеров.
Таблица 2
Виды потребительского кредита в Сбербанке
№ Вид кредита Объем кредита, тыс. руб. Срок кредита, мес. Ставка по кредиту, % Особенности
1 Кредит без обеспечения До 1500 3-60 От 15,5 Подтверждение доходов
2 Кредит с поручителем До 3000 До 60 От 14,5 Подтверждение доходов, в том числе и поручителя
3 Кредит физическим лицам, имеющим подсобное хозяйство До 700 До 60 От 22,5 Подтверждение доходов и владения подсобным хозяйством
4 Кредит военным, участникам НИС До 500/1000 До 60 От 19,5/18,5 Особые условия
5 Нецелевой кредит под залог недвижимости До 10000 До 240 От 15,5 Залог недвижимости
6 Кредит на рефинансирование 15-1000 3-60 - Погашение текущего кредита
При получении потенциальным заемщиком зарплаты и/или пенсии на соответствующие счета в Сбербанке ответ от андеррайтеров о принятом решении по выдаче кредита приходит быстро - в течение 2, в иных случаях на получение ответа отводится не менее 2 суток. На практике в сложных ситуациях процесс принятия решения может значительно затянуться.
Отсюда возникает объективная потребность экспресс-оценки кредитоспособности заемщика в контексте запрашиваемого кредита и доведении до него предварительного мотивированного суждения о возможности выдачи кредита непосредственно в отделении (фронт-офисе) банка. По-сути, обладание технологией прескоринга по первичной заявке заемщика, реализуемой менеджерами в подразделении фронт-офиса банка, является его серьезным конкурентным преимуществом перед другими банками.
При проведении исследований использовалась база модельных данных в объеме 300 записей (период времени с 10.01.2012 по 26.12.2016), адекватно отражающая особенности, присущие бизнес-процессу потребительского кредитования в Новомосковском отделении Сбербанка, и в то же время не
позволяющая идентифицировать участников и увидеть точные значения показателей.
В качестве исходных данных (входных переменных) при моделировании процесса принятия решения о выдаче кредита использовался ряд показателей, изначально содержащихся в анкете заемщика (табл. 3). При занесении исходных данных в базу данных сведения по каждому заемщику размещались в индивидуальной записи.
Таблица 3
Вид представления основных показателей анкеты заемщика
Реквизит Форма представления
ФИО Качественная
Адрес проживания Качественная
Возраст, дата рождения Количественная
Место работы, должность Качественная
Сведения о доходах Количественная
Сумма кредита Количественная
Срок кредита Количественная
Цель кредита Качественная
Сведения о поручителях Качественная
Дополнительный доход Количественная
В собственности Качественная
Одобрение кредита Качественная
Дата кредитования Количественная
Период кредита Количественная
В результате анализа массива исходных данных были выявлены следующие существенные особенности.
1. Одобренных заявок на выдачу кредита - 284 записи, а отклоненных - 16 записей.
2. По показателю «Возраст заемщика»: «Меньше 21 года» - 16 записей; «С 21 года до пенсионного возраста» - 263 записи; «Пенсионеры» - 19 записей; «Возраст за 65» - 2 записи (при возрасте свыше 65 лет в Сбербанке кредит дают только при наличии поручителя).
3. По показателю «Цель кредита»: «Покупка машины» - 47 записей; «Кредит на свадьбу» - 31 запись; «Кредит на отдых» - 48 записей; «Покупка бытовой техники» - 23 записи; «Покупка телефона» - 49 записей; «Ремонт квартиры» - 31 запись; «Подарок на свадьбу» - 17 записей; «Кредит на бытовые мелочи» - 29 записей; «Ремонт машины» - 25 записей.
4. По показателю «Сумма кредита»: «До 100 тыс. руб.» - 47 записей; «От 100 до 500 тыс. руб.» - 218 записей; «От 500 до 1000 тыс. руб.» - 35 записей.
5. По показателю «Срок кредита»: «От 3 до 36 мес.» - 184 записи; «От 36 до 60 мес.» - 68 записей; «От 60 до 84 мес.» - 32 записи; «Отклоненные» - 16 записей.
Сведения о заемщиках в исходном массиве
Таблица 4
Ю
№ ФИО заемщика Адрес проживания Возраст, дата рождения Место работы, должность Сведения о доходах заемщика, тыс. руб. Сумма кредита, тыс. руб. Срок кредита, мес. Цель кредита Общие сведения о поручителе Дополнительный доход, тыс. руб. В собственности Одобрение кредита Дата кредитования Срок, на который одобрили кредит, мес. Выполнение кредитного договора
1 Рак г. Новый, 30 лет, Супермар- 18 200 36 Покупка Пирс 15 Квартира Да 10.01.2012 36 Кредит
Павел ул. Перо- 28.05.19 кет автомо- Мария погашен
Ильич ва, 87 "Линия", биля Юрьевна,
д.З, кв.5 менеджер 28 лет
201 Ильин Антон Павлович г. Старый, ул. Руднева, д. 9, кв.12 27 лет, 06.04.19 90 Не работает 0 300 48 Обучение Репина Ольга Ивановна, 40 лет 5 Ничего Нет 18.10.2015 0 Кредит не выдан
6. По результатам выполнения кредитного договора: «Кредит погашен» - 182 записи; «Кредит частично погашен» - 88 записи; «Кредит частично погашен, начислены пении за просрочку» - 7 записей; «Кредит не погашен» - 7 записей; «Отказано в выдаче кредита» - 16 записей.
Построение нейросети для моделирования процесса принятия решения по выдаче кредита на основе представленных заемщиком сведений предполагает количественную форму представления используемых показателей. Однако, как видно из табл. 4, сведения заемщика представлены как в качественном, так и в количественном виде. Это обстоятельство предопределяет необходимость, с одной стороны, отбора наиболее информативных с точки зрения их влияния на принятие решения о выдаче кредита показателей, а, с другой стороны, применения специализированной процедуры преобразования в количественное представление отобранных показателей, изначально имеющих качественную форму описания.
Введены количественные значения показателей, изначально представленных в качественном виде, и используемых в качестве входных переменных при моделировании (табл. 5):
«Возраст заемщика»: «Меньше 21 года» - 1; «С 21 года до пенсионного возраста» - 2; «Пенсионеры» - 3; «Возраст за 65» - 4;
«Одобрение кредита»: Да-2, Нет-1;
«Наличие поручителя»: Да - 2, Нет - 1;
«Наличие собственности»: 1 - автомобиль, 2 - квартира, 3 - автомо-биль+квартира, 4 - ничего;
При этом в качестве результирующего показателя модели использовалось принятое банком решение о выдаче запрашиваемого кредита «Одобрение кредита»: «Одобрить кредит» - 2, «Отказать в выдаче кредита» - 1.
Таблица 5
Сведения о заемщиках в преобразованном виде
№ Возраст, Све- Сумма Дополни- В Общие Одобре- Срок,
дата дения креди- тельный собствен- сведения ние кре- на ко-
рожде- о до- та доход ности о пору- дита торый
ния ходах заем-ем-щика чителе одобрили кредит, мес.
1 2 18 200 15 2 2 2 36
201 2 0 300 5 4 2 1 0
Построение нейронной сети, представляющей собой модель, связывающую решение о выдаче кредита с входными переменными, осуществлялось на основе инструмента «Нейронная сеть» аналитической платформы Веёис1ш. При этом использовались массивы записей исходных данных, состоящие 16 записей с решением об отказе в выдаче кредита и 48 записей с положительным решением.
Проверка корректности работы нейросетевой модели по вынесению решения о выдаче кредита новым заемщикам осуществлялась с использованием визуализатора «Что-если» в составе платформы Беёис1от (рис. 2, рис. 3).
Для проверки адекватности полученной нейросетевой модели использовались записи, не участвующие в ее построении. При этом внимание уделялось отбору записей, содержащих совокупность значений показателей, затрудняющих принятие решения, т.е. записей, попадающих в пограничную зону, где небольшие изменения значений показателей способны кардинально повлиять на принимаемое банком решение о выдаче кредита. Одной из таких записей является запись №185 (табл. 6). Она характеризуется тремя существенными отличительными особенностями: во-первых, заемщик не указал постоянного места работы с соответствующим стабильным доходом; во-вторых, запрашиваемый заемщиком срок действия кредита отличается от срока, на который банк предоставил ему кредит; в-третьих, заемщик не обладает какой-либо существенной собственностью. В то же время заемщик представил сведения о доходах, относящихся к показателю "Иной доход заемщика" и нашел поручителя по кредиту.
Таблица 6
Сведения о конкретном заемщике в преобразованном виде
№ Воз- Основ- Сумма Сро Иной Наличие Наличие Реше- Срок,
раст ной до- креди- к доход собствен- поручи- ние на ко-
заем- ход за- та кре- заем- ности теля о вы- торый
ем- емщика дита щика даче дают
щика кредита кредит
185 2 0 130000 24 15000 0 2 2 30
По-видимому, совокупность представленных в заявке на получение кредита влияющих факторов не дала специалистам банка достаточной уверенности в способности заемщика своевременно погасить запрашиваемую сумму кредита в течение 24 месяцев. Поэтому со стороны банка последовало предложение по увеличению срока кредита до 30 месяцев, снижающее помесячную нагрузку заемщика по выплате кредита.
Эти отличительные особенности обуславливают важную роль записи №185 при ее использовании в процессе проверки адекватности (валидации) сформированной нейросетевой модели, воспроизводящей процесс принятия решения о выдаче кредита на основе представленных потенциальным заемщиком сведений.
Из рис. 2 видно, что при подстановке в Веёис1ш значения показателя "Срок, на который дают кредит" равным 24 (месяцам), модель формирует значение выходного показателя "Одобрение кредита" равное 1,0007...(т.е. округленно 1), что свидетельствует о принятии решения об отказе в выдаче кредита на запрашиваемых условиях.
На рис. 3 представлен результат моделирования процесса принятия решения о выдаче кредита при тех же значениях входных показателей за исключением значения показателя "Срок, на который дают кредит", значение которого принято равным 30 (месяцам) в соответствии с предложением банка. При этом значение выходного показателя "Одобрение кредита" равно 1,9999...(т.е. округленно 2), что свидетельствует о принятии положительного решения в выдаче кредита.
Граф нейросети X Что-
1 из 65
■если X Диаграмма рассеяния X
% а/ » " а № № Г»
Поле
Значение
@ ^р! Входные
9.0 Возраст, дата ро... 2 9.0 Сведения о дохо... 0 9.0 Сумма кредита 130000 9.0 Дополнительный... 15000 9.0 Наличие собстве... 0 9.0 Наличие поручит... 2 9.0 Срок, на которы... 24 6 Выходные
9.0 Одобрение кред...
1,00073335811606
Рис. 2. Решение об отказе в выдаче кредита
Граф нейросети X Что-< 1 из 65
■если X Диаграмма рассеяния X
% а/ ► м | <2 Of
Поле
Значение
Э Входные
9.0 Возраст, дата ро... 2
9.0 Сведения о дохо... 0
9.0 Сумма кредита 130000
9.0 Дополнительный... 15000
9.0 Наличие собстве... 0
9.0 Наличие поручит... 2
9.0 Срок., на которы... 30 О Выходные
9.0 Одобрение кред...
1,99999939992676
Рис. 3. Решение об одобрении выдачи кредита
Таким образом, проверка построенной модели с использованием данных даже такой специфической записи, как запись №185, показала полное совпадение решения о выдаче кредита на выходе модели с принятым в банке решением по запросу конкретного заемщика.
Отличительной особенностью предлагаемой технологии прескоринга по первичной заявке заемщика на основе аналитической платформы Deductor является высокое быстродействие при моделировании процесса формирования решения о выдаче кредита в системе потребительского кредитования непосредственно в фронт-офисе банка.
Список литературы
1. Официальный сайт «Сбербанк РФ» [Электронный ресурс]. Режим доступа: http://www.sberbank.ru/. 20.06.2017.
2. Официальный сайт Росстата [Электронный ресурс]. Режим доступа: http://www.gks.ru/ 15.06.2017.
3. Официальный сайт РОМИР [Электронный ресурс]. Режим доступа: http://romir.ru/. 11.05.2017.
4. Официальный сайт «Мир процентов.RU» [Электронный ресурс]. Режим доступа: http://mir-procentov.ru/banks/ratings/. 21.05.2017.
5. Rose P. Банковский менеджмент / пер. с англ. 2-е изд. М., 1995.
768 с.
Евсюков Владимир Васильевич, канд. техн. наук, доц., доцент, evsvl@yandex.ru, Россия, Тула, Финансовый университет при Правительстве Российской Федерации
Моховикова Ольга Александровна, менеджер по продажам Новомосковского отделения Сбербанка России, zemlyanushkina.olya@yandex.ru, Россия, Новомосковск, Сбербанк России
THE PRESCORING FOR THE INITIAL APPLICATION OF THE BORROWER IN THE SYSTEM OF CONSUMER CREDITING
V.V. Evsujkov, O.A. Mohovikova
The features of consumer crediting in modern conditions are described. The analysis, selection and preprocessing of indicators to assess the creditworthiness of the borrower. The described method of carrying out scoring on the initial application with the borrower's use of analytical platforms with deductor.
Key words: consumer credit, credit risk, credit rating of the borrower, the scoring on the initial application.
Evsujkov Vladimir Vasilevech, candidate of technical sciences, docent, evsvl@yandex.ru, Russia, Tula, FinUniversity, Tula branch,
Mohovikova Olga Alexandrovna, sales manager, zemlyanushkina. olya@yandex. ru, Russia, Novomoskovsk, Novomoskovsk branch of Sberbank of Russia
