Банковское обозрение. Видео: Скоринг — как кредитные организации оценивают заемщика

Ольга Зинкевич,
заместитель директора дирекции розничного бизнеса и пластиковых карт Промышленно-строительного банка:

При определении кредитного лимита для клиентов наши кредитные специалисты применяют специальную скоринговую программу . В массовом порядке данную технологию Промышленно-строительный банк начал применять с 2001 года.

Используемая скоринговая программа была разработана и модифицируется исключительно собственными специалистами ОАО «ПСБ».

Потребительский кредитный портфель нашего банка характеризуется хорошими показателями, процент просроченной задолженности, как правило, не превышает 0,6-0,7% от объема текущей задолженности.

На наш взгляд, эффективность скоринговой системы можно оценить с помощью показателей рентабельности и прибыльности кредитного портфеля. Процент невозврата в принципе является в таких условиях второстепенным показателем, так как основная задача банка - обеспечить заданную прибыльность при зафиксированном уровне риска.

Можно ли научиться обманывать скоринговую программу, зависит от того, насколько продумана («защищена») эта программа, а также от того, какие показатели она использует в своей работе. Например, если используется только документально подтвержденная информация, то, естественно, обмануть такую систему практически невозможно. Если же значительная часть вопросов относится к информации, которую сложно проверить непосредственно при заполнении, то клиент может попытаться «обмануть» скоринг.

Фирмы, оказывающие услуги по оказанию помощи в заполнении анкет, на практике можно разделить на две группы. Первая группа оказывает обычную консультационную помощь в заполнении документов. В принципе ровно такую же помощь клиент мог бы получить и от кредитного специалиста банка. Вторая группа - это фирмы, рассказывающие клиенту, как лучше обмануть банк. Как показывает практика, услуги последних редко приводят к положительному результату, так как заведомо ложная информация выявляется достаточно легко, и клиент в итоге получает отказ.

К сожалению, подобные организации получили достаточное распространение в крупных городах России. Это связано прежде всего с традиционным страхом населения перед финансовыми институтами, а также с низким уровнем информированности и знания специфики банковской деятельности.

Максим Чернущенко,
вице-президент Инвестсбербанка:

Наш банк использует систему принятия кредитного решения с участием статистических моделей оценки заемщика. Система разработана специалистами нашего банка и работает с момента появления в банке массового потребительского кредитования.

Наша система - это сложная компьютерная программа, использующая передовые технологии. Ее целью является выявление недобросовестных заемщиков до выдачи кредита и помощь «хорошим» клиентам в правильной оценке своих возможностей. Соответственно, и эффективность системы оценивается на основе показателей, характеризующих поставленные цели. В частности, скоринговые модели, предназначенные для выявления мошенничества, оцениваются с использованием статистики несвоевременных поступлений платежей и невозвратов.

На данный момент мы имеем передовую систему оценки заемщика, которая позволяет быстро реагировать на изменения в бизнесе. Специальные сотрудники регулярно (практически на ежедневной основе) проводят анализ изменений рынка, изменений категорий клиентов, появления новых схем обмана банка и соответственно адаптируют скоринговую систему.

Для нашей системы не существует «заведомо» проходных ответов, так как заемщик оценивается в комплексе на основе всей имеющейся информации о нем, о его кредитной истории, о месте получения кредита. Тем не менее, обманывать систему возможно, но достаточно непродолжительное время. Новые схемы мошенничества регулярно выявляются и пресекаются, а их исполнители преследуются по закону.

Алена Желтова,
начальник отдела по связям с общественностью Хоум Кредит энд Финанс Банка:

Скоринговая система, используемая в нашем банке, является собственной разработкой и включает в себя информацию о 4,2 млн человек. Использование данной системы позволяет принимать решение о выдаче кредитов на сумму до 50 тыс. рублей в течение нескольких минут.

Автоматизированная система скоринга, используемая в нашем банке, была разработана и протестирована членами группы Home Credit в странах Центральной Европы на основании статистики платежей по потребительским кредитам в этом регионе. В 2003 году данная система была доработана с учетом специфики российского рынка финансовых услуг, а в последующем была несколько раз обновлена.

Основной критерий оценки эффективности системы скоринга - количество невозвратов, которое, естественно, учитывается.

Процент невозвратов в «Хоум Кредит» остается ниже заложенного в бизнес-модели банка.

Скоринговая система регулярно обновляется с учетом реалий российского рынка потребительского кредитования и в соответствии с требованиями, необходимыми для полноценной деятельности банка.

Если сотрудники каких-то сторонних фирм просто помогают человеку заполнять документы на получение кредита, то их деятельность банкам идет только на пользу, так как в конечном счете ведет к увеличению количества клиентов. Другое дело, что процесс получения кредита в нашем банке не настолько сложен, чтобы требовались услуги специалистов. Правильно заполнить анкету помогает администратор банка или сотрудник магазина, с которым сотрудничает банк.

Если же сотрудники фирмы подсказывают человеку, что именно следует писать, чтобы пройти скоринг, пусть даже эта информация не соответствует действительности, то это уже обман банка и подпадает под определение «мошенничество».

Для справки:

Кредитный скоринг, это система оценки кредитоспособности (кредитных рисков) физического лица, основанная на численных статистических методах. Как правило, используется в потребительском (магазинном) экспресс-кредитовании на небольшие суммы. Также возможно его использование в бизнесе сотовых операторов, страховых компаний и.т.д. Скоринг заключается в присвоении баллов по заполнению некой анкеты, разработанной оценщиками кредитных рисков андеррайтерами. По результатам набранных баллов системой принимается решение об одобрении или отказе в выдаче кредита (по информации с сайта Википедия ).

Автоматический скоринг позволяет более точно предсказать поведение заемщика

Фото: Fotolia/aleks649

Вопрос, выдаст банк вам кредит или откажет, очень непрост. За его решением стоит кропотливая дорогостоящая работа. Все больше банков стремятся удешевить и ускорить свой скоринг, автоматизировав его. О том, как проводится такой скоринг, порталу Банки.ру рассказали специалисты компании Experian.

Компьютер не позвонит

Анализ кредитных заявок – процесс, который можно и нужно автоматизировать. Классический, ручной скоринг крайне затратен, так как требует тщательной проверки и обучения сотрудников, и времени на каждую заявку тратится достаточно много. В то же время автоматическая система способна за секунды обработать большой объем данных, не подвержена предубеждениям и переменам настроения.

Скоринговые системы, построенные на таких платформах как PowerCurve компании Experian, призваны не заменить живого работника, а помочь ему быстро и правильно принимать решения на всех этапах жизненного цикла клиента банка. Принципы, в соответствии с которыми работают автоматические системы, по сути, не отличаются от принципов ручного скоринга.

Упрощенно процесс можно описать как применение скоринговой модели к собранным данным. Цель проведения скоринга – предсказать, как заемщик будет выплачивать кредит. Это дает возможность применить к скоринговым оценкам заявителя рисковую стратегию и принять ряд решений по его заявке: дать ли кредит, в каком объеме, на какой срок, под какую ставку.

«Процент решений, принимаемых банками полностью автоматически, пока не очень велик. Проблема в том, что банки не вполне доверяют автоматическим системам. Кроме того, не все данные можно проверить без привлечения человека. Например, компьютер не позвонит на работу заявителю. Поэтому полностью автоматические решения принимаются обычно по заявкам на небольшие кредиты», – рассказала порталу Банки.ру глобальный консультант компании Experian Анна Уштей.

Все, что вы хотели знать о клиенте

Банки стараются собрать о клиенте как можно больше информации, используя различные источники. Помимо данных, предоставляемых самим заявителем, используются информация кредитных бюро (в первую очередь, кредитная история), государственные информационные системы, открытая информация из соцсетей, внешние проверки (например, звонок работодателю). Анализируемые в процессе скоринга данные можно условно разделить на несколько категорий.

Идентификационные данные . Набор информации, позволяющий идентифицировать заемщика: паспортные данные, место жительства, фотография, подпись, рабочий и домашний телефоны. Именно с обработки этих данных начинается скоринг. Это позволяет на самом раннем этапе отсеять возможных мошенников и явно неперспективных клиентов. При этом, если клиент уже является клиентом банка, проверка и обработка этих данных обойдется банку крайне дешево и может быть практически полностью автоматизирована. Идентификационные данные практически не меняются со временем. Заметим, что даже непреднамеренная ошибка при указании идентификационных данных, скорее всего, приведет к отказу в кредите.

Демографические данные . Возраст, пол, образование, семейное положение, место проживания, место работы и должность. В отличие от идентификационных данных демографические со временем меняются: увеличивается возраст, человек учится, переезжает, меняет работу, женится, разводится и т. д. Может измениться даже пол.

Финансовые положение . Наличие и размер регулярного дохода, объем трат, наличие иждивенцев. Тут для заявителей имеется широкое поле для разного рода хитростей: траты можно скрыть и доход преувеличить. Эти данные меняются постоянно, в связи с чем банки вынуждены уделять их сбору и проверке самое пристальное внимание.

Кредитная история . Возможно, самые ценные для скоринга данные – наличие отданных и текущих кредитов, случаи попадания в просрочку и ее продолжительность. Если человек многие годы аккуратно выплачивал кредиты, можно с большой долей вероятности предположить, что он и продолжит в том же духе. Обратное тоже верно.

Трансакционное поведение . Такого рода данные доступны банку, если речь идет о выдаче кредита не человеку «с улицы», а держателю платежной карты банка. Имеют значение регулярность и характер операций по карте – как часто, где, в каком объеме заявитель оплачивает товары и услуги. Заметим, что банк оперирует не конкретными товарами и услугами, и даже не названиями магазинов, а суммами и категорией торговой точки.

Данные, предоставляемые самим заемщиком, подвергаются верификации. Для этого применяются как внешние источники, так и проверки на внутренние противоречия. Есть четкие, поддающиеся проверке связи между местом проживания и работы, профессией, должностью и уровнем дохода и т. д. Непротиворечивость этих данных можно проверить автоматически, не тратя дорогое рабочее время кредитного специалиста.

Моделируем будущее

Скоринговая модель – ценнейший актив банка. Именно она определяет, какую оценку (скоринговый балл) получит клиент на всех этапах скоринга. В простейшем случае скоринговую модель можно «набросать» и вручную. Но значительно более эффективным путем будет построение модели на основе собранной статистики по заявкам и выданным кредитам.

При анализе статистики могут выявиться самые различные, зачастую неожиданные связи между просрочкой и данными о заемщиках. К примеру, работники, занятые в какой-либо одной отрасли, могут оказаться более склонны к просрочкам, нежели занятые в другой сфере. Или многодетные матери окажутся более качественными заемщиками, чем холостые мужчины. Такие связи и выводы из них зависят от профиля банка, от экономической, демографической и политической обстановки, они могут сильно изменяться во времени, в связи с чем скоринговая модель должна регулярно пересчитываться. Обычно это делается не реже чем раз в полгода.

Если кредитная организация только выходит на рынок или радикально меняет профиль, наработанной статистики у нее нет. В этом случае она может приобрести готовую модель или заказать сторонней компании разработку модели для своего профиля. В большинстве случаев такие модели работают не слишком эффективно, и через какое-то время их необходимо обновить, основываясь на собранной статистике.

Отметим, что скоринговую модель нередко дополняют настраиваемыми вручную условиями и фильтрами. Хорошо известно, что банки с предубеждением относятся к журналистам и юристам, даже если статистика не выявляет повышенного процента просрочки у представителей этих профессий. Первые способны попортить репутацию банка, а вторые могут доставить проблем в суде. Что интересно, сами сотрудники финансового сектора также нередко попадают в эти фильтры.

Стратегия серой зоны

Как именно скоринговые баллы влияют на решения, принимаемые на всех этапах обработки заявки на кредит, определяет рисковая стратегия. Шкала скорингового балла условно делится на три зоны: белую, черную, серую. Попадание оценки в белую зону гарантирует положительное решение, черную – отрицательное, а вот серая зона дает определенный простор для маневра.

Стратегия определяет, какой процент заявок в серой зоне получит положительное решение, причем стратегия должна учитывать самые разные факторы. Скажем, в ней можно прописать, что замужние учительницы младших классов, чей балл попал в серую зону, должны получать одобрение заявки в 50% случаев, объем кредита не должен превышать 100 тыс. рублей в 80% случаев, а срок кредит не должен быть менее пяти лет в 100% случаев.

Такие тонкие настройки позволяют кредитной организации формировать свой портфель очень точно и аккуратно. И средства автоматизации могут здорово облегчить формирование корректной стратегии.

«В системе PoweCurve я могу разобрать стратегию по нескольким сегментам клиентов, похожих друг на друга по каким-либо критериям, – рассказал порталу Банки.ру глава представительства Experian в России и странах СНГ Сергей Горащенко. – Одним, к примеру, задаем увеличение лимита, другим – поднять ставку, но не менять лимит, третьим – снизить лимит, и установим запуск этой стратегии по определенной части портфеля или по всему портфелю. Применяем стратегию в PowerCurve, система все просчитывает и выдает сотрудникам банка данные, что с каким клиентом нужно делать, что поменять, какие действия предпринять».

Такие системы, как PowerCurve от Experian, позволяют риск-менеджеру сформировать желаемую стратегию в считаные минуты и проверить ее на статистике по кредитному портфелю. После расчетов система покажет тот уровень просрочки, на который вышел бы кредитный портфель, если бы тестируемая стратегия была применена в заданный период. Можно подойти и с другой стороны: задать желаемый уровень просрочки, и система предложит стратегию, основываясь на статистике за заданный период.

Увы, полностью положиться на автоматику тут не выйдет: если новая стратегия существенно отличается от действующей, нужной информации просто может не оказаться. К примеру, если банк практически не давал кредитов престарелым индивидуальным предпринимателям, а в новой стратегии им должно найтись место в кредитном портфеле, PowerCurve не сможет предсказать просрочку с достаточным уровнем точности. Ведь статистики по таким заемщикам у банка нет.

Заметим, что стратегия может включать в себя выдачу кредитов в черной зоне – то есть заявителям, для которых скоринговая модель показывает высокую вероятность попадания в просрочку. Небольшой процент одобрений «черных» заявок позволяет составить статистику по маргинальным заявителям, что помогает уточнять как скоринговую модель, так и стратегию.

При обращении за кредитом потенциальные заемщики часто слышат от сотрудников банка такие понятия как: скоринг, скоринговая система, кредитный рейтинг, кредитная история. Но при этом не все достаточно хорошо понимают, что означают эти термины. Попробуем разобраться, что это такое, зачем нужно и как это работает. А главное — как скоринг влияет на получение кредита и вообще на жизнь заемщика. В том числе, даже спустя несколько лет после обращения в кредитную организацию.

Что такое скоринговая система?

Скоринг или скоринговая система — это система оперативной оценки клиента (потенциального заемщика), которой преимущественно пользуются розничные банки и микрофинансовые компании. Название происходит от английского слова “score”- что означает зарабатывание/ подсчет очков, например, в игре.

Так за возраст менее 28 и более 35 лет клиент скорее всего будет получать снижающие баллы, аналогично — за проживание в более криминальных районах города и за работу, где не требуется высокой квалификации (например, официант). Как ни странно, съемная квартира и дети – могут оказаться фактором, прибавляющим баллы (клиент умеет планировать финансы, уверен в будущем).

Компании, которые продают скоринговые системы по всему миру имеют возможность глобально отслеживать взаимосвязь тех или иных факторов и поведения заемщика. Оказалось, что в независимости от страны — женщины аккуратнее гасят кредиты, аналогично поступают и более старшие по-возрасту клиенты, аналогично – семейные пары с детьми (у них у всех выше ответственность). А вот за уровень образования- баллов в российском банке скорее всего почти не добавят, скорее — за опыт работы более 3-5 лет.

Кроме того, в ряде случаев, когда сотрудник банка имел возможность лично пообщаться с клиентом, он дополняет его профиль своими субъективными впечатлениями – о его адекватном поведении, внешнем виде, одежде, классе мобильного телефона, часов, наличии дорогостоящей электроники при себе, грамотной речи, явных признаках, что клиент говорит неправду и т.п. В результате система каждому пункту анкеты присваивает оценку, и выдает в конце оценки – итоговый балл. Отдельно проверяется достоверность данных клиента — легальность паспорта, существование адреса и т.п.

Как cкоринг работает, откуда берет данные?

Есть несколько видов скоринга. Один из них был описан выше – то есть кредитоспособность клиента оценивается в момент его обращения. По тем данным, которые он сам и предоставляет (application scoring – заявочный скоринг). Сам, как правило, заполняет и анкету. В случае с микрофинансовыми компаниями – это происходит зачастую прямо онлайн в интернете.
Еще один вид скоринга – поведенческий (behavioral scoring). В зависимости о того, как клиент ведет себя с течением времени (за определенный период) банк выставляет ему более высокий кредитный рейтинг или более низкий. И в зависимости от этого уменьшает/увеличивает ему лимиты по кредитам, предлагает какие-то дополнительные услуги.
Также существует оценка потенциального мошенничества (fraud scoring).

Одно дело, когда человек получил кредит, но не рассчитал свои финансовые возможности, или внезапно заболел, потерял в доходе и т.п. И другое дело –когда имеет место заранее планируемый невозврат кредита –то есть мошенничество. Эксперты говорят, что таких случаев — порядка 10% всех невозвратов. Любой кредитор (особенно хорошо процесс отлажен в МФО) пытается еще до выдачи кредита оценить риск мошенничества со стороны заемщика.

Следует отметить, что современные системы скоринга зачастую являются самообучающимися, т.е. учитывают модели поведения клиентов, которые ранее были приняты на обслуживание. Система пытается вычислить какие-то общие черты у тех, кто впоследствии оказался мошенником, стал допускать просрочки (ретро-скоринг).
Очевидно, что скоринговые системы имеют и недостатки – большую часть данных для оценки предоставляет клиент. Перепроверка этих данных вручную при мелких суммах кредита – слишком дорогое занятие. Кроме того, даже обучающиеся системы не могут быстро перестроиться при резком изменении экономической ситуации в рамках страны. Поэтому их приходится все время дорабатывать и поддерживать.

Пользуются ли скорингом банки и МФО?

В кредитовании, пожалуй, самая дорогостоящая часть – это время на первоначальную оценку заемщика. Это и скоринг, и служба безопасности, и запрос кредитной истории в Бюро (что не бесплатно для банка), ее изучение, оценка и принятие решение на кредитном комитете банка. Для выдачи каждого кредита задействуется несколько сотрудников, как правило, с высокой оплатой труда.

Хотя у каждого банка своя кредитная политика и свои схемы одобрения кредитных заявок (более или менее бюрократические), но общий подход – минимизировать затраты времени и издержки на обслуживание каждого клиента. Кроме того, банки с более консервативной политикой оказались в более выигрышном положении во время кризиса 2008 года, чем те, кто выдавал кредиты всем подряд.

Поэтому МФО – это сейчас основные пользователи и разработчики скоринговых систем, где они пытаются оптимальным образом соединить все виды скоринга – и заявочный, и поведенческий, и оценку мошенничества. Кроме того, скоринг позволяет уменьшить и время принятия решения о выдачи кредита. В современных условиях – это значит быть более конкурентоспособным.

Поскольку обороты МФО по кредитованию населения в последний год значительно увеличились, в декабре 2013 года были также приняты поправки в закон 218-ФЗ, которые обязали МФО также подавать данные о своих заемщиках в Бюро кредитных историй.
Следует также отметить, что сегодня более, чем 30 млн. человек в России имеют кредиты. Новых, хороших, высоко-рейтинговых, клиентов – осталось немного. Это вынуждает банки предоставлять кредиты клиентам с более низкими рейтингами. Это влечет за собой удорожание их проверки и банки ищут пути снижения таких издержек. Появляются новые комбинированные системы, где большую роль начинают играть кредитные истории.

Скоринг и кредитная история

С учетом того, что треть граждан уже имела опыт по получению займов хотя бы 1 раз — на первый план выходит изучение того, насколько заемщик фактически закредитован, и насколько добросовестно он погашал кредиты в прошлом. Так по-данным банка “Связной” доля заемщиков, у которых обнаружилось 5 и более кредитов – выросла за последний год в три раза.

В связи с тем, что в Бюро кредитных историй (БКИ) теперь добавились заемщики микрофинансовых организаций и кредитных кооперативов, многие Бюро стали предлагать банкам и МФО скоринговые модели, дополненные данными, которые содержаться в БКИ. Эти скоринговые модели ранжируют заемщиков по вероятности дефолта (невозврата) займа, вероятности просрочек и т.п. Системы обрабатывают сведения о клиенте в Бюро и выставляют ему рейтинг. Добросовестные — получают наивысший балл, недобросовестные – низший. При этом результат (балл) указывается вместе с несколькими основными причинами, которые оказали наибольшее влияние на его снижение (4-5 факторов, а всего их может быть более 100).

В частности модель скоринга по кредитным историям, которую разработало НБКИ – это семь скор-карт, которые обновляются ежеквартально, чтобы учитывать изменения условий на рынке. Таким образом, Банки постепенно переходят от заявительного скоринга — на матричный (состоящий из нескольких моделей и источников). Это в 1,5 раза повышает эффективность оценки, улучшает выставление лимитов по каждому клиенту, помогает собирать просроченную задолженность.

Кроме того, кредитные бюро стали предлагать услугу – автоматически информирующую банк (без специального запроса от банка, ежедневно):

• об открытии его клиентом новых счетов в других банках
• о новых кредитах клиента
• о новых просрочках этого клиента
• об изменениях его лимитов по кредитам, овердрафтам,
• о его новых паспортных данных и т.п.

Пока эта услуга работает с оплатой по-клиентно и в рамках конкретного БКИ, что снижает возможности банка масштабно отслеживать жизнедеятельность всех клиентов. Однако вероятнее всего, в какой-то перспективе, БКИ начнут объединяться, обмениваться информацией между собой.

Как показывает опыт многих заемщиков быстрый кредит без отказа, иногда является не таким уж простым и доступным вариантам. Очень часто случается так, что отказывают в выдаче займа. Выделим наиболее распространенные причины отказа в кредите, а также приведем полезные рекомендации для тех, кто хочет взять кредит банка наличными без опасений получить отказ.

Прежде всего основные причины отказа — это плохая кредитная история и открытые просрочки по платежам! В этом случае крайне сложно получить займ на крупную сумму.

Как повысить шансы, т. е. попытаться обойти скоринг?

Чтобы не оказаться в ситуации, когда вам срочно нужны деньги, а банки один за другим отказывают вам в выдаче кредита, следует помнить несколько важных тонкостей:

1. Не запрашивайте сразу слишком большую сумму. В этом случае вероятность отказа автоматически возрастает. Начните с небольших займов. Если вы возьмете поочередно несколько таких кредитов, всегда добросовестно возвращая деньги в срок, вы сможете создать себе хорошую кредитную историю, которая в дальнейшем окажет вам хорошую службу.

При этом нельзя просить и чересчур маленькие суммы денег при высоких доходах. Если клиент хочет получить, скажем, пять тысяч рублей при ежемесячном доходе в сто тысяч, это выглядит по меньшей мере странно и заставляет сотрудников банка усомниться в подлинности предоставленных вами сведений.

2. Будьте очень внимательны при заполнении анкеты. Указывайте только точные, проверенные и достоверные данные. Помните, что сведения всегда легко проверить. Солгав однажды в своей заявке на кредит, вы сможете надолго испортить свою кредитную историю.

Зная эти несложные правила, вы сможете несколько сократить риск получения отказа. Но не забывайте, что сегодня банки в некоторой степени ужесточают требования к своим потенциальным заемщикам.

Как правило, деньги в кредит дают платежеспособным гражданам с высоким доходом, высшим образованием, отсутствием отрицательной кредитной истории и каких-либо задолженностей.

Отрицательное решение банка по поводу вашей заявки на кредит – распространенное и довольно неприятное явление. К сожалению, в большинстве случаев бывает так, что клиент даже не знает, по какой именно причине ему отказали в выдаче займа, ведь банки оставляют за собой право отказать в кредите без объяснения оснований.

Посмотрите видео, в котором кратко описаны основные моменты отказа банка в займе и даны рекомендации как этого избежать…

Распространенные основания для вынесения отрицательного решения

Как правило, отказ в запрошенном клиентом банка потребительском кредите наличными основывается не на какой-либо одной причине, а имеет под собой несколько оснований, которые в совокупности отрицательным образом влияют на решение банка. Вот наиболее популярные причины отказа в кредите:

1. Недостаточно высокий уровень дохода. Людям, которые имеют довольно скромную заработную плату, сбербанк и другие банки обычно очень неохотно дают кредиты. Чтобы вы вернули назад занятые средства, у банка должна быть стопроцентная уверенность, что вы для этого достаточно платежеспособны. Как правило, это становится очень распространенной причиной, по которой многие люди не могут взять кредит банка.

2. Негативная кредитная история. Еще одна очень веская причина, побуждающая сотрудников банка дать вам отказ. Сам термин «негативная кредитная история» в политике разных банков может иметь свое индивидуальное прочтение. Как правило, это понятие связано с имеющейся у потенциального клиента непогашенной задолженностью по кредиту.

В большинстве случаев эта причина становится определяющим фактором, который не позволяет банку дать клиенту положительное решение.

3. Предоставление неточных или ложных сведений при заполнении анкеты. Помните, что всю информацию, которую вы впишете в заявку, очень легко проверить. Поэтому банки сегодня борются с нечестными потенциальными заемщиками, которые очень хотят взять кредит наличными и сообщают заведомо недостоверную информацию. Помните, что проверить все представленные в анкете данные не составит труда.

4. Потенциальный заемщик не имеет стабильного места работы и фиксированной заработной платы. Если вы работаете неофициально или и вовсе не работаете, взять кредит наличными вам будет довольно трудно. Результатом заявления на получение средств в данном случае почти всегда является отказ.

5. Небольшой стаж. Еще одна распространенная причина отказа. Тем, кто только начинает свою трудовую деятельность и имеет общий стаж работы менее одного года, взять кредит наличными также будет проблематично.

6. Возраст потенциального заемщика. Как правило, сбербанк и другие банки предпочитают выдавать кредиты лицам, попадающим в возрастную категорию от 25 до 55 лет. Людей моложе или старше этого возраста многие банки не готовы видеть в числе своих клиентов.

Это далеко не полный спектр всех причин, которые могут вызвать отказ. Всего специалисты насчитывают несколько десятков таких оснований. При наличии одного такого отрицательного фактора у вас, конечно, есть шанс без особых проблем получить кредит, но если ваша кредитная история сочетает в себе несколько подобных показателей, вероятнее всего, вы получите отказ.

Система оценки клиентов, в основе которой заложены статистические методы. Как правило, это компьютерная программа, куда вводятся данные потенциального заемщика . В ответ выдается результат – стоит ли предоставлять ему кредит . Название скоринг происходит от английского слова score, то есть «счет».

Существуют четыре вида скоринга:

• application-scoring (дословный перевод с английского - «скоринг заявки, обращения») - оценка кредитоспособности заемщиков при выделении кредита. Это самый распространенный и известный клиентам вид скоринга. В его основе лежат первичный сбор анкетных данных заемщика, их обработка компьютером и вывод результата: предоставлять заем или нет;
• collection-scoring – система скоринга на стадии работы с невозвращенными займами. Определяет приоритетные действия сотрудников банка для возврата «плохих» кредитов. Фактически программа позволяет предпринять ряд шагов по работе с невозвращенными долгами, например от первичного предупреждения до передачи дела коллекторскому агентству. Считается, что в процессе такой обработки порядка 40% клиентов ссылаются на забывчивость и возвращают кредит;
• behavioral-scoring , «скоринг поведения» - оценка наиболее вероятных финансовых действий заемщика. Такая система дает возможность прогнозировать изменение платежеспособности заемщика, корректировать установленные для него лимиты. Основой анализа могут служить действия клиента за определенный период, например операции по кредитной карте ;
• fraud-scoring – статистическая оценка вероятности мошеннических действий со стороны потенциального заемщика. Такой скоринг, как правило, используется совместно с другими видами исследования клиентов. При этом считается, что до 10% невозвратов по кредитам связаны в России с откровенным мошенничеством и этот показатель растет.

Многие скоринговые системы не только обрабатывают введенные данные, но и способны к самообучению: они учитывают модель поведения уже принятых на обслуживание клиентов, чтобы корректировать свою оценку будущих заемщиков.

На рынке программного обеспечения для банков существуют готовые решения. Самые известные западные программы - SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS). Среди российских разработчиков выделяются Basegroup Labs, «Диасофт», известна украинская компания "Бизнес Нейро-Системы". В то же время многие банки разрабатывает свои собственные системы.

Скоринговые системы позволяют снизить издержки и минимизировать операционный риск за счет автоматизации принятия решения, сокращают время обработки заявок на предоставление кредита, дают возможность банкам проводить свою кредитную политику централизованно, обеспечивают дополнительную защиту финансовых организаций от мошенничества. В то же время скоринг имеет и ряд недостатков: часто решение системы основано на анализе данных, предоставленных исключительно самим заемщиком. Кроме того, скоринговые системы необходимо постоянно дорабатывать и поддерживать, т. к. они учитывают только прошлый опыт и реагируют на изменения социально-экономической ситуации с запозданием.