В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании друг с другом:
- субъективное заключение экспертов или кредитных инспекторов;
- автоматизированные системы скоринга.
Следует отметить, что скоринг-системы уже давно получили широкое распространение и в настоящее время активно используются во всех экономически развитых странах.
Однако, несмотря на то, что скоринг является одним из наиболее успешных примеров использования математических и статистических методов в бизнесе, в нашей стране скоринг только начинает внедряться в различные сферы экономической деятельности.

Для оценки кредитного риска производится анализ кредитоспособности заемщика, под которой в российской банковской практике понимается способность физического (или юридического) лица полностью и в срок рассчитаться по своим долговым обязательствам.
В западной банковской практике кредитоспособность трактуется как желание, соединенное с возможностью своевременно погасить выданное обязательство. Далее мы будем использовать термин «кредитоспособность» именно в этом значении. В соответствии с таким определением основная задача скоринга заключается не только в том, чтобы выяснить, в состоянии клиент выплатить кредит или нет, но и степень надежности и обязательности клиента. Иными словами, скоринг оценивает, насколько клиент creditworthy, то есть насколько он «достоин» кредита.

Кредитный скоринг – быстрая, точная и устойчивая процедура оценки кредитного риска, имеющая научное обоснование.
В узком смысле, скоринг представляет собой инструмент, с помощью которого на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.
В широком смысле, скоринг является математической или статистической моделью, которая соотносит уровень кредитного риска с параметрами, характеризующими заемщика – физическое или юридическое лицо.
Моделей скоринга множество, каждая из них использует свой набор факторов, характеризующих риск, связанный с кредитованием заемщика, и получает в результате пороговую оценку, которая и позволяет разделять заемщиков на «плохих» и «хороших».
Смысл кредитного скоринга заключается в том, что каждому соискателю кредита приписывается свойственная только ему оценка кредитного риска. Сравнение значения кредитного скоринга, полученного для конкретного заемщика, со специфичной (подчеркнем это) для каждой модели скоринга пороговой оценкой помогает решить труднейшую проблему выбора при выдаче кредита, разделяя заемщиков на два класса (тех, кому кредит выдать можно, и тех, кому он «противопоказан»).
Философия скоринга заключается не в поиске объяснений, почему этот человек не платит. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. Мы не знаем, вернет ли данный заемщик кредит, но мы знаем, что в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому мы давать кредит этому человеку не будем.
В этом заключается дискриминационный (не в статистическом, а в социальном значении этого слова) характер скоринга, то есть если человек по формальным признакам близок к группе с плохой кредитной историей, то ему кредит не дадут. Поэтому даже при очень высокой степени использования автоматизированных систем скоринга осуществляется субъективное вмешательство в случае, когда кредитный инспектор располагает дополнительной информацией, доказывающей, что человек, классифицированный как ненадежный, на самом деле «хороший», и наоборот.

Скоринг, по существу, является методом классификации всей интересующей нас популяции на различные группы, когда нам неизвестна характеристика, которая разделяет эти группы (вернет клиент кредит или нет), но зато известны другие характеристики, связанные с интересующей нас характеристикой.
В статистике идеи классификации популяции на группы были разработаны Фишером в 1936 году на примере растений.
В 1941 году Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». По времени это совпало со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем.
В начале 50-х годах в Сан-Франциско образовалась первая консалтинговая фирма в области скоринга – Fair Issac, которая до сих пор является лидером среди разработчиков скоринговых систем.
Но широкое применение скоринга началось с распространением кредитных карточек. При том количестве людей, которые ежедневно обращались за кредитными карточками, банкам ничего другого не оставалось, как автоматизировать процесс принятия решений по выдаче кредита. Однако очень скоро они оценили не только быстроту обработки заявлений на выдачу кредита, но и качество оценки риска. По данным некоторых исследований, после внедрения скоринг-систем уровень безнадежного долга сокращался до 50%.
В 1974 году в США был принят Закон о предоставлении равных возможностей на получение кредита, который запрещал отказывать в выдаче кредита на основании следующих характеристик: раса, цвет кожи, национальное происхождение, возраст, пол, семейное положение, религия, получение социальных пособий, отстаивание прав потребителей. В Великобритании законодательство допускает использование информации о возрасте и семейном положении, но зато запрещает принимать во внимание какие-либо физические увечья и недостатки (инвалидность). Для кредитных организаций использование скоринговых систем стало доказательством исполнения этих антидискриминационных законов – у компьютера нет предубеждений.
Помимо установления принципов равноправия в области кредитования, кредитное законодательство США, как и Закон о потребительском кредите, принятый в Великобритании в том же 1974 году, имели важное значение для формирования службы кредитных бюро. В таких бюро записывается кредитная история всех людей, когда-либо обращавшихся за ссудой в любую кредитную организацию страны.
В кредитных бюро содержатся следующие виды данных:
- социально-демографические характеристики;
- судебные решения (в случае передачи дел о востребовании задолженности по кредиту в суд);
- информация о банкротствах;
- данные об индивидуальных заемщиках, получаемые от кредитных организаций по принципу «ты – мне, я – тебе», то есть банк может получать информацию о клиентах других банков, только если сам поставляет аналогичную информацию.
Объем и характер информации, хранящейся в бюро, строго регулируется законодательством каждой страны.
В нашей стране Федеральный закон «О кредитных историях» вступил в силу с 1 июня 2005 года (за исключением части третьей статьи пятой данного закона). Часть третья статьи пятой ФЗ «О кредитных историях» вступила в силу с 1 сентября 2005 года, в соответствии с которой «кредитные организации обязаны представлять всю имеющуюся информацию», определенную статьей четвертой названного Федерального закона, «в отношении всех заемщиков, давших согласие на ее представление, … хотя бы в одно бюро кредитных историй, включенное в государственный реестр бюро кредитных историй». Содержание кредитных историй, порядок их предоставления, хранение и защита содержащейся в них информации регламентируются данным Федеральным законом.
Значение кредитных бюро чрезвычайно велико. Во-первых, их существование позволяет кредитным организациям выдавать ссуды клиентам, которые ранее в этой организации не обслуживались. Во-вторых, добросовестный заемщик получает доступ к более дешевым кредитным ресурсам за счет более эффективной, быстрой и менее дорогостоящей процедуры оценки связанного с ним риска. В-третьих, дисциплина возврата кредитных средств повышается. Кроме того, общепризнанной является ценность предыдущей кредитной истории для прогнозирования вероятности дефолта, то есть благодаря кредитным бюро кредитные организации имеют возможность гораздо более точно прогнозировать и составлять менее рискованные кредитные портфели.
В настоящее время скоринг становится все более популярным не только при оценке риска при различных видах кредита, но и в других областях: в маркетинге (для определения вероятности, что именно эта группа клиентов будет пользоваться этим видом продукции), при работе с должниками (если клиент задерживается с очередным платежом, какой метод воздействия будет наиболее эффективным), при выявлении мошенничества с кредитными карточками, при определении вероятности, что клиент может перебежать к конкуренту и так далее.

Задача оценки кредитоспособности (скоринга) заемщика исторически является первой задачей, вставшей перед российскими кредиторами. В области розничного кредитования данная задача осложняется тем, что доскональное и всестороннее изучение каждого потенциального заемщика требует высоких трудозатрат. Это значительно снижает рентабельность бизнеса по той причине, что затраты на кредитный скоринг гораздо слабее связаны с величиной кредита, чем итоговые процентные платежи.
Одним из основных направлений процесса автоматизации скоринга заемщика является создание систем, использующих исторические данные о дефолтах заемщиков, имевших аналогичные наблюдаемые характеристики, что и оцениваемые на данный момент. Каковы основные проблемы данного подхода?
Первая и главная для России проблема заключается в том, что пока в стране отсутствует достаточный объем доступной для исследования информации о кредитоспособности той или иной группы населения, то есть отсутствует так называемое «кредитное кладбище». Можно сказать проще: «Нет кредитов - нет кредитных историй. Нет кредитных историй - нет кредитов!»
Следующая важная проблема заключается в том, что кредитоспособность заемщика зависит не только от его наблюдаемых характеристик, но и общей макроэкономической ситуации. Например, при постоянных выплатах и достаточно высоком уровне инфляции постепенно нагрузка на домохозяйство по ранним кредитным обязательствам падает, так как уменьшается отношение выплат к номинальному доходу заемщика. Аналогичный эффект связан с ростом реальных доходов как по сектору занятости заемщика, так и по стране в целом. Обратное тоже верно.
Кроме того, в нашей стране наблюдается значительный рост волатильности доходов при росте их по абсолютной величине. Таким образом, некредитоспособный вчера заемщик, может сегодня быть кредитоспособным. Соответствующую информацию о его текущей кредитоспособности уже нельзя почерпнуть из прошлой кредитной истории.
Рассмотрим еще одно приложение к российской специфике. По той причине, что потребительские кредиты пока приобретает мало потенциальных заемщиков, система скоринга в качестве кредитоспособного считает не только заемщика, который самостоятельно смог вернуть кредит, но и заемщика, который, будучи некредитоспособным, смог просто перезанять деньги, например, у родственников. То есть, формально, кредитоспособным является персона, не только выполнившая свои обязательства, но и заменившая обязательства перед одним кредиторами на обязательство перед другими. Что же будет через год, когда и у родственников тоже появятся обязательства перед банками?
И последняя немаловажная, хотя и редко обсуждаемая проблема классических скоринговых систем состоит в том, что решения, принятые с использованием системы кредитного скоринга ранее, влияют на решения, принимаемые данной или другой системой впоследствии. Очевидно, что система не в состоянии идеально отделить кредитоспособных заемщиков от некредитоспособных. Соответствующая ошибка постепенно будет накапливаться, поскольку на каждом следующем шаге обучения система использует данные, полученные ею ранее.
Подытоживая последние несколько абзацев, можно высказать следующую мысль: если классическая скоринговая система сегодня определила заемщика как кредитоспособного, используя вчерашние данные, то это совсем не значит, что сегодня он так же кредитоспособен, как вчера, и даже не значит, что он действительно был кредитоспособен в прошлом.