CC BY
32
5. Кроник, А. А. Субъективная картина жизненного пути как предмет психологического исследования [Текст] / А. А. Кроник // Психология личности и образ жизни ; ред. Е. В. Шорохова. — М. : Мысль, 1987. - 330 с.
6. Гришина, Н. В. Психология конфликта [Текст] / Н. В. Гришина. - СПб. : Питер, 2000. - 380 с.
7. Махнач, А. В. К проблеме соотнесения динамических психических состояний и стабильных черт личности [Текст] / А. В. Махнач // Психологический журнал. — Т. 16. — № 3. — 1995. — С. 20-31.
8. Ананьев, Б. Г. Человек как предмет познания [Текст] / Б. Г. Ананьев. - СПб. : Питер, 2000. - 321 с.
9. Лазарус, Р. Теория стресса и психофизиологические исследования [Текст] / Р. Лазарус // Эмоциональный стресс ; под ред. Л. Леви. - М. : Политиздат, 1970. - 450 с.
10. Никифоров, Г. С. Самоконтроль человека[Текст] / Г. С. Никифоров. - Л. : Изд-во ЛГУ, 1989. - 358 с.
11. Бодалев, А. А. Формирование личности - актуальная проблема комплексного психолого-педагогического исследования [Текст] / А. А. Бодалев // Психолого-педагогические проблемы взаимодействия учителя и учащихся. - М. : Политиздат, 1980. - 240 с.
12. Хьелл Л. Теории личности [Текст] / Л. Хьелл, Д. Зиглер. -СПб. : Питер, 1997. - 608 с.
КУПЧЕНКО Виктория Евгеньевна, кандидат психологических наук, доцент кафедры социальной психологии.
Адрес для переписки: e-mail: [email protected]
Статья поступила в редакцию 10.02.2010 г. © В. Е. Купченко
УДК 159.9.072.422 М. Ю. СЕМЁНОВ
И. И. СЕМЁНОВА
Омский государственный технический университет
ВОЗМОЖНОСТИ ПСИХОЛОГИЧЕСКИХ СРЕДСТВ ОЦЕНКИ ДОБРОСОВЕСТНОСТИ КРЕДИТОЗАЕМЩИКА В РОЗНИЧНОЙ ТОРГОВЛЕ
В статье представлена разработанная коллективом авторов уникальная система ско-ринга для розничного кредитования. Система кредитного скоринга базируется на ассоциациях к слову «кредит». Система самонастраивается на различные социальные и национальные группы и дает высокий уровень точности при выявлении сознательно недобросовестных заемщиков кредитов в розничной торговле.
Ключевые слова: психология, отношение к деньгам, ассоциация, кредит, заемщик, добросовестный.
Введение. В докризисный период по различным оценкам каждый третий россиянин брал те или иные потребительские кредиты, к примеру, в России в кредит было куплено до 20 % всех мобильных телефонов. Кредитная активность населения достаточно высока, и, приостановившись в конце 2008 — первой половине 2009 года из-за кризиса, она успешно возвращается на прежние позиции. Поэтому вопросы оценки безопасности кредитной деятельности банков оказываются актуальными как для служб безопасности банков, так и для ученых. В данной статье мы рассмотрим один из методов косвенной оценки кредитозаемщиков на предмет их добросовестности. Мы использовали методы психосемантической оценки отношения людей к деньгам, реализованные с помощью специально разработанной математической модели.
Отношение к деньгам и различным действиям с ними является существенным компонентом отношения к миру в целом. «Монетарные отношения — компонент целостной системы отношений личности, отражающий ее индивидуальный, субъективно-оценочный, избирательный подход к деньгам как объекту
действительности и представляющий собой интери-оризированный опыт обращения с деньгами и взаимодействия с другими людьми по поводу денег в специфической социокультурной ситуации. Монетарные отношения личности отличаются относительной устойчивостью и обобщенностью, характеризуют жизненную позицию человека относительно денег, содержат в себе систему более частных монетарных отношений» [1, с. 6]. Это отношение имеет ярко выраженную эмоциональную составляющую. Эмоциональность, в свою очередь, объясняется повышенной заинтересованностью и, следовательно, существенной мотивационной составляющей.
В том, как люди относятся к деньгам, находят свое отражение и различные виды поведения, связанного с деньгами, в том числе одалживание денег. Кредитование является одним из таких видов монетарного поведения. Заимствование денег в кредитных организациях является распространенным способом расширения своих финансовых возможностей.
В кредитном скоринге по мотивам получения кредитов заемщиков делят на добросовестных, кто собирается возвращать кредитные средства, и недоб-
росовестных, кто использует полученные деньги и не собирается их возвращать. «Кредитный скоринг (англ. scoring) — метод классификации всех заемщиков на различные группы для оценки кредитного риска; представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок» [2, с. 114]. Кредитный скоринг является системой оценки заемщика банком, результатом этой оценки становится решение по кредитной заявке: если заемщик набирает определенное количества баллов, то ему выдают кредит.
Анализ состояния скоринга в услугах розничного кредитования, выполненный в работе Е. Ю. Андиевой [3], позволил сделать выводы о том, что, во-первых, снижение рисков за счет повышения кредитной ставки нецелесообразно. Во-вторых, внедрение автоматизированных систем оценки кредитного заемщика как наиболее действенный метод предотвращения мошенничества на основе существующих признаков не приводит к желаемым результатам, так же как и в случаях использования заключений кредитного бюро, и, следовательно, не может быть в основе принятия решения по выдаче кредита: уровень невозвратов достаточно высок. Сознательный обман и ложные анкетные данные, которые не отражают реальных намерений заемщиков, способствуют не только ошибочно принятым решениям в скоринге, но и приводят к накоплению противоречивой статистики. Психологическая оценка, осуществляемая кредитными инспекторами и направленная на выявление мошенничества, формируется лишь на основании визуального осмотра кредитозаемщика и его документов, и поэтому часто малоэффективна. Таким образом, результаты анализа современных систем скоринга в розничном кредитовании позволили сделать вывод, что на сегодняшний день существует проблема оценки рисков.
Могут ли мотивы получения кредитов заемщиками найти отражение в отношениях людей к деньгам и денежным операциям? Отношение людей к деньгам, как мы показали ранее [1], носит системный характер, различные виды отношений взаимосвязаны между собой, и в каждом особом отношении своеобразно проявляются различные виды прочих отношений. Следовательно, психологическая оценка отношения к действиям с деньгами и получению кредита может выступать инструментом оценки добросовестности заемщика кредита.
Уже традиционным в нашей стране способом измерения отношения к деньгам и операциям с ними относят различные психологические методики [4, 5 и др.]. Кроме того, эти методики также используются и для психологической оценки мотивов [6]. Поэтому была поставлена задача использовать возможности современных психологических методов для решения ско-ринговых задач в ритейле. В связи с этим группа ученых разного профиля: специалист по моделированию (руководитель проекта к.т.н. И. И.Семёнова), экономист (к.т.н., Е. Ю. Андиева) и психолог (к.пс.н. М. Ю. Семёнов) разработали и реализовали проект «Интеллектуальная поддержка принятия решений в системе розничного кредитования». Основные результаты данной работы нашли отражение в диссертационном исследовании Е. Ю. Андиевой.
Цель проекта: создать систему психологической оценки добросовестности заемщика для розничного кредитования. Задачи проекта: разработать методику
оценки добросовестности заемщика, основанную на психосемантических методах; построить математическую модель принятия решения в кредитном ско-ринге на основании психосемантической оценки добросовестности заемщика; оценить прогностическую точность созданной системы; реализовать метод и алгоритм в виде программного продукта.
Ход реализации проекта. Для формирования ассоциативного поля относительно понятия «кредит» и частотных характеристик ассоциаций необходимо было провести обследование потенциальных кредитных заемщиков. Для реализации этой задачи на первом этапе был проведен ассоциативный эксперимент, в котором было получено 1520 ассоциаций от потенциальных кредитных заемщиков на слово «кредит». Опрос проводился в местах предоставления розничных кредитов. Также фиксировались основные социально-демографические характеристики заемщиков: пол, возраст, образование, наличие детей.
После происходило сравнение социально-демографических групп по частотам встречаемости той или иной ассоциации. Выделялись (1) уникальные характерные ассоциации, которые встречались только в одной социально-демографической группе и не встречались в других. Далее выделялись (2) характерные смежные ассоциации, встречающиеся в группах, различающихся только по одному социально-демографическому признаку, и при этом имеющие существенно различающиеся частоты упоминания. Кроме того, отсекались (3) ассоциации-«шумы», которые встречались относительно редко.
Для примера рассмотрим две группы женщин в возрасте от 18 до 25 лет с разным уровнем образования: высшим и средним специальным. Для женщин с высшим образованием уникальной характерной ассоциацией было понятие «проценты», а ассоциация-«шум» — «новые возможности». Для женщин со средним специальным образованием уникальной характерной ассоциацией было понятие «срок». В качестве смежной ассоциации для этих двух групп выступило понятие «договор». В аналогичных возрастных группах мужчин мы получили иной набор ассоциаций. Для мужчин с высшим образованием уникальной характерной ассоциацией было понятие «проценты», а ассоциации-«шумы» — «родственники», «развлечения», «затраты» и пр. Для мужчин со средним специальным образованием уникальной характерной ассоциацией было понятие «выход», а ассоци-ации-«шумы» — «кабала», «экономия». В качестве смежной ассоциации для этих двух групп выступили понятия «будущее» и «помощь».
В результате статистической обработки данных подтвердились гипотезы о наличии значительных различий в распределении частот ассоциаций с понятием «кредит» в выборках, различных по существенным социально-демографическим признакам (пол, возраст, образование, наличие детей). Максимальные различия были выявлены по параметру «пол», поэтому в дальнейшем анализ и проектирование проходили отдельно для женской и мужской групп.
На основе имеющихся ассоциаций и их частотных распределений была разработана ассоциативная психосемантическая скоринговая анкета. В ней потенциальный кредитный заемщик оценивал степень схожести понятия «кредит» с предложенными словами-стимулами по 7-балльной шкале. В анкету были заложены все виды выявленных ассоциаций: все уникальные характерные ассоциации для каждой подгруппы, все смежные ассоциации для каждой пары подгрупп и несколько ассоциаций-«шумов» так, чтобы общее
количество ассоциации в группе мужчин и в группе женщин было одинаковым. Всего использовалось 50 слов-стимулов, для мужчин и для женщин отдельно. В варианте для мужчин использовались следующие слова-стимулы: проценты, имидж, работа, выплаты, долг, здравомыслие, удовольствие, благополучие, расчет, уверенность, переплата и т.д. В варианте для женщин использовались следующие слова-стимулы: реклама, удобство, забота, приобретение новоИ вещи, желания, доступно, покупки, имидж, процентная ставка, дети и т.д.
Оценка прогностической точности. В проверочном эксперименте были использованы уникальные характерные ассоциации и наиболее часто встречающиеся ассоциации по всеИ выборке. Проверка прогностической точности методики проведена на 987 кредитных заемщиках. Тем, кто заполнял стандартную скоринговую анкету для получения кредита, одновременно предлагали заполнить и психологическую анкету. Процедура не вызывала у кредитных заемщиков возмущения и занимала не больше 2 — 3 минут. Спустя 3 месяца по каждому заемщику имелась информация о том, совершает ли он своевременно и в полном объеме платежи по кредиту, т.е. является ли он добросовестным, или он нарушает сроки или размеры платежей, т.е. является недобросовестным заемщиком. Таким образом, для построения математической модели использовались следующие параметры кредитного заемщика: социально-демографические характеристики заемщиков: (пол, возраст, образование, наличие детей), ассоциации со словом «кредит» (50 параметров), а также оценку добросовестности заемщика. Описание алгоритмов построения математической модели описано в публикациях [2, 7, 8].
Было проведено несколько экспериментов по оценке соискателей (по качественному признаку — «хороший» или «плохой») и проверке правильности принятия решений. Для этого общую базу данных кредитных заемщиков разделили на две выборки: обучающая выборка для формирования математической модели и экспериментальная выборка, данные которой при формировании математической модели не участвовали, т.е. экспериментальная выборка играла роль соискателей. Следует отметить, что в эксперименте приняли участие только те кредитные заемщики, кто получил положительную оценку по стандартной скоринговой анкете банка.
Отклонение от определенного психосемантического профиля данной социально-демографической группы как «нормы» и являлось основанием для прогнозирования рисков невозврата кредитных средств. Результаты реализации экспериментов показали, что правильность прогнозов в первом случае (по Спир-мену) составили 82 %, во втором (интервальная оценка) — 78 %, что характеризует предложенный метод как достаточно точный и позволяет его использовать при принятии решений о выдаче кредита. Следует заметить, что все ошибки были как отнесение добросовестного заемщика в категорию недобросовестных. Противоположных ошибок, когда недобросовестного заемщика отнесли бы к разряду добросовестных, в эксперименте обнаружено не было, т.е. все случаи невозврата были распознаны.
Заключение. Предложенный метод показал свою эффективность и может быть рассмотрен в качестве самообучающей системы. Поступающие данные от кредитных заемщиков и сведения об их добросовестности могут использоваться для коррекции математической модели. Кроме того, необходима
проверка семантического поля ассоциации к понятию «кредит» раз в 2 — 4 года.
Предложенный метод был реализован в виде прототипа компьютерной программы. В рабочей модели подбор ассоциаций может быть реализован по нескольким алгоритмам, которые выбирает лицо, принимающее решение по использованию данной системы.
Таким образом, в результате реализации проекта «Интеллектуальная поддержка принятия решений в системе розничного кредитования» были объединены возможности психологических методов оценки и прогнозирования поведения людей, методов математического моделирования сложных задач и современных информационных технологий обработки и представления данных. В результате была разработана уникальная система скоринга для розничного кредитования, самонастраивающаяся на различные социальные и национальные группы и дающая поразительно высокий уровень точности при выявлении сознательно недобросовестных заемщиков кредитов в розничной торговле.
Библиографический список
1. Семёнов, М. Ю. Особенности отношения к деньгам у людей с разным уровнем личностной зрелости [Текст] : автореф. ... канд. психол. наук : Специальность 19.00.05 — Социальная психология / М. Ю. Семёнов. — Ярославль : Ярослав. гос. ун-т им. П. Г. Демидова, 2004. — 24 с.
2. Семёнова, И. И. Способ построения психологического профиля заемщика для оценки рисков в сфере потребительского кредитования [Текст] / Е. Ю. Андиева, И. И. Семёнова // Управление риском. - 2008. - №1. - С. 56-62.
3. Андиева, Е. Ю. Метод и алгоритмы интеллектуальной поддержки принятия решений в системе розничного кредитования [Текст] : Специальность: 05.13.10 - Управление в социальных и экономических системах : автореф. ... канд. техн. наук / Е. Ю. Андиева. - Уфа, 2009. - 16 с.
4. Капустин, А. А. Отношение различных социальных групп к деньгам: На основе комплексного социально-психологического исследования [Текст] : Специальность 19.00.05 - Социальная психология : автореф. дис. ... канд. психол. наук / А. А. Капустин. -Ярославль : Ярослав. гос. ун-т им. П. Г. Демидова, 2001. - 25 с.
5. Семёнов, М. Ю. Представленность денег в образе мира [Текст] / М. Ю. Семёнов // Сибирский психологический журнал. - 2000. - Вып. 12. - С. 66-67.
6. Петренко, В. Ф. Основы психосемантики : учеб. пособие для студентов вузов, обучающихся по направлению и специальностям психологии / В. Ф. Петренко. - 2-е изд., доп. СПб. : Питер, 2005. - 480 с. - (Классический университетский учебник / Моск. гос. ун-т им. М. В. Ломоносова). - На авантит.: 250-летию Моск. ун-та. - ISBN 5-469-00909-2.
7. Андиева, Е. Ю. Метод оценки рисков в экспресс-кредитовании [Текст] / Е. Ю. Андиева // Системы управления и информационные технологии. - 2008. - № 1.3 (31). - С. 316-320.
8. Семёнова, И. И. Система поддержки принятия решений для оценки рисков розничного кредитования [Текст] / Е. Ю. Андиева, И. И. Семёнова // Системы управления и информационные технологии. - 2008. - № 4.1 (34). - С.108-112.
СЕМЁНОВ Михаил Юрьевич, кандидат психологических наук, доцент (Россия), доцент кафедры психологии труда и организационной психологии. Адрес для переписки: e-mail: [email protected] СЕМЁНОВА Ирина Ивановна, кандидат технических наук, доцент (Россия), доцент кафедры автоматизированных систем обработки информации и управления.
Адрес для переписки: e-mail: [email protected]
Статья поступила в редакцию 17.02.2010 г. © М. Ю. Семёнов, И. И. Семёнова
