Борис Федоров - Как правильно взять и вернуть кредит: на покупку недвижимости, автомобиля, техники

На практике применяются два крепко связанных между собой способа оценки платежеспособности (или кредитоспособности). Первый способ условно можно назвать «экспертным». Даже по этому обозначению можно догадаться о том, что заключение о кредитоспособности заемщика делается на основании экспертной оценки (т. е. сделанной конкретным человеком) относительно текущих характеристик клиента и прогноза его положения на обозримую перспективу. Специалист банка уже имеет в голове (или в инструкции) так называемые стандартные образы людей, которые ассоциируются с различным уровнем риска невозврата кредитов, – «плохих» и «хороших» заемщиков. Путем логических рассуждений стандартные образы накладываются на образ конкретного заемщика. Кредитный инспектор вычленяет из общей картины те или иные наиболее существенные показатели и на основании их оценки делает свой вывод – давать или не давать кредит.

Второй способ в противовес «экспертному» можно было бы назвать «автоматизированным». Дело в том, что во многих случаях процедура оценки претендентов на кредит доводится до автоматизма, когда по каждому пункту анкеты заемщика в зависимости от ответа присваивается то или иное количество баллов, а решение принимается исходя из набранной итоговой суммы. Получается такой своеобразный тест. Профессионалы банковского дела подобную систему оценки заемщиков называют скоринговой(от англ. scoring – подсчет очков). Очевидно, что скоринговая система наиболее подходит для массового кредитования, так как позволяет без проблем обслужить большой поток потенциальных клиентов, значительно снизить затраты банка на оценку заемщиков.

ОТСТУПЛЕНИЕ В ТЕМУ

Легенда о скоринге

Рассказывают следующую историю появления скоринга. Случилось так, что в 1941 г., в самый разгар Второй мировой войны, большинство кредитных экспертов американских банков было призвано на фронт. Перед уходом их попросили написать свод правил, которых следует придерживаться при принятии решений о предоставлении или непредоставлении кредита, с таким условием, чтобы с задачей мог справиться любой служащий-неспециалист. Так зародилась скоринговая система оценки потенциальных заемщиков. Впрочем, ряд источников связывает появление скоринга не с безвестными банковскими экспертами, а со вполне конкретным человеком – американским экономистом Дэвидом Дюраном. Относительно времени рождения скоринга – начало сороковых годов прошлого столетия – споров обычно не возникает.

Итак, скоринг – это система балльной оценки заемщиков, когда решение о выдаче или невыдаче кредита принимается в зависимости от количества набранных очков. Скоринговые системы призваны выявить и оценить вес самых разнообразных факторов – не только финансовых, но и социальных, поведенческих, мотивационных и т. п. Впрочем, существует огромное множество реализаций скоринговых систем. В каких-то случаях они до предела упрощены (а итоговый результат легко вычисляется с помощью электронных таблиц Excel), иногда – предельно усложнены, используют методы нейронных сетей. Объединяет эти разные системы одно – принцип работы.

Каждая ключевая характеристика потенциального заемщика получает свой числовой диапазон в баллах. Конкретное значение зависит от уровня гипотетического риска, который задает банк. Совокупность характеристик образует балльную шкалу. Набранный потенциальным заемщиком итоговый результат интерпретируется программой. Если этот результат выше некоего порогового значения, выдача кредита будет одобрена, если ниже – в кредите будет отказано. Может встречаться и некая «пограничная зона», когда набранных баллов недостаточно для принятия положительного решения, но в то же время отказ в кредитовании также неочевиден. Тогда решение принимается не системой, а конкретным банковским служащим.

В качестве примера можно привести подход к оценке кредитоспособности, который долгое время применялся в одном из французских банков. Используется всего 10 ключевых характеристик.

1. Цель кредита.Шкала от 0 баллов при выдаче простой денежной ссуды до 100 баллов при выдаче ссуды на покупку автомобиля.

2. Участие заемщика в финансировании сделки.При первоначальном взносе менее 10% – 0 баллов; от 10 до 45% – 30; более 45% – 50 баллов.

3. Семейное положение.От 0 баллов для разведенных супругов до 60 баллов с количеством детей менее трех.

4. Возраст.От 0 баллов для лиц моложе 25 лет до 100 баллов свыше 65 лет.

5. Профессия.От 0 баллов для студентов до 100 баллов для государственных служащих.

6. Занятость.От 0 баллов при сроке менее 1 года до 100 баллов – более 4 лет.

7. Годовой доход после налогообложения.От 0 до 160 баллов в зависимости от суммы.

8. Владение недвижимостью.От 0 баллов в случае аренды жилья до 80 баллов при наличии собственного дома.

9. Срок кредита.От 140 баллов при сроке менее 1 года до 0 баллов при сроке более 2 лет.

10. Сумма на банковском счете.От 0 до 150 баллов в зависимости от суммы.

Если потенциальный заемщик набрал более 510 баллов, банк выдает кредит; при 380-509 баллах требуется дополнительный анализ; при наборе менее 380 баллов следует отказ.

Отставив в сторону заграничные особенности (например, высокую оценку кредитоспособности пожилых людей и госслужащих), заметим, что приведенный выше пример хорошо иллюстрирует ключевые параметры, которые, по мнению банков (российских в том числе), снижают гипотетический риск невозврата кредита. На высокие оценки претендуют заемщики, которые способны самостоятельно оплатить значительную часть стоимости товара, имеющие стабильное семейное положение, недвижимое имущество в собственности, не склонные часто менять работу и т. п.

Важно понимать, что набор существенных, с точки зрения банка, параметров оценки заемщиков постоянно меняется, исходя из накопленных статистических данных. Скоринговые системы разрабатываются и модернизируются, исходя из особенностей конкретной страны, конкретного города и даже исходя из особенностей клиентуры конкретного банка. Сложные системы – это не табличка Excel. Подобные продукты состоят как минимум из двух блоков: блока анализа накопленной информации о «хороших» и «плохих» заемщиках и блока принятия решений. Активно используется информация обо всех случаях задержки выплат по кредиту и невозвратах. Анализ проводится при помощи так называемого метода data mining (можно перевести как «информационное копание»), в ходе которого выявляются разнообразные аномалии и устойчивые тенденции в поведении клиентуры, описываются различные комбинации факторов, влияющих на кредитоспособность. В результате строятся постоянно меняющиеся профили хороших / плохих заемщиков. Блок принятия решений «продвинутой» скоринговой системы сравнивает анкетные данные потенциального получателя кредита с имеющимися профилями, определяет, насколько клиент похож на «плохого» или «хорошего» заемщика. Сложность задачи объясняет дороговизну разработки таких «продвинутых» систем. Многие банки закупают уже готовые продукты у специализированных компаний.