Васильченко Юлия Юрьевна студент группы АС-1-М-09 Научный руководитель: проф., д.т.н.

Васильченко Юлия Юрьевна
студент группы АС-1-М-09
Научный руководитель: Аюров Валерий Дмитриевич
проф., д.т.н.
Московский государственный горный университет
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОЦЕНКИ
КРЕДИТОСПОСОБНОСТИ ФИЗИЧЕСКИХ ЛИЦ
MATHEMATHICAL MODEL OF AN ESTIMATION OF CREDIT
STATUS OF PHYSICAL PERSONS
В данной статье речь пойдет об одном из методов оценки риска при
кредитовании физических лиц, основанном на применении технологии интеллектуального анализа данных. Можно привести давно всем известную
цепочку связанных событий: чем меньше рискует банк при предоставлении кредита, тем меньше процентная ставка, предлагаемая этим банком;
чем меньше процентная ставка, тем больше клиентов обратится именно в
этот банк; чем больше клиентов обратится в банк, тем большую прибыль
получит банк, а это одна из основных целей коммерческой деятельности.
Риск, связанный с невозвратом суммы основного долга и процентов, можно значительно снизить, оценивая вероятность возврата заемщиком кредита. Данная статья посвящена одному из ключевых моментов в кредитовании физических лиц – определению кредитоспособности потенциального
заемщика. Кредитоспособность физических лиц оценивается системной
совокупностью разнообразных показателей, которые учитываются экспертом при принятии решения о выдаче кредита. Математическая модель
оценки кредитоспособности предназначена для использования в системах
поддержки принятия решений о кредитовании физических лиц в кредитных отделах банков. Модель основывается на закономерностях формирования интегральной субъективной оценки у лица принимающего решения
о целесообразности кредитования.
При этом кредитный риск складывается из риска невозврата основной суммы долга и процентов по этой сумме. Сейчас для оценки риска
кредитования заемщика используется скоринг кредитование. Сущность
этой методики состоит в том, что каждый фактор, характеризующий заемщика, имеет свою количественную оценку. Суммируя полученные баллы,
можно получить оценку кредитоспособности физического лица. Каждый
параметр имеет максимально возможный порог, который выше для важных вопросов и ниже для второстепенных.
Кредитоспособность заемщика выражается через его способность
исполнить полностью и своевременно свои обязательства по кредитному
договору [1].
Одной из самых известных является модель Дюрана [4]. Дюран выявил группы факторов, позволяющих максимально определить степень
кредитного риска. Также он определил коэффициенты для различных факторов, характеризующих кредитоспособность физического лица:
1.
Пол: женский (0.40), мужской (0)
2.
Возраст: 0.1 балл за каждый год свыше 20 лет, но не больше,
чем 0.30
3.
Срок проживания в данной местности: 0.042 за каждый год, но
не больше, чем 0.42
4.
Профессия: 0.55 – за профессию с низким риском; 0 – за профессию с высоким риском; 0.16 – другие профессии
5.
Финансовые показатели: наличие банковского счета – 0.45;
наличие недвижимости – 0.35; наличие полиса по страхованию – 0.19
6.
Работа: 0.21 – предприятия в общественной отрасли, 0 – другие
7.
Занятость: 0.059 – за каждый год работы на данном предприятии
Также он определил порог, перейдя который, человек считался кредитоспособным. Этот порог равен 1.25, т. е. если набранная сумма баллов
больше или равна 1.25, то потенциальному заемщику выдается испрашиваемая им сумма [4].
Особенностью используемых моделей оценки риска является то, что
они зависят не только от выделенных экспертами показателей, но и от ряда
других факторов, таких как географическое положение банка и заемщика,
менталитет страны, в которой происходит кредитование. Эти факторы
напрямую влияют на формирование отношений между кредитором и заемщиком [3]. Используемая для оценки кредитоспособности система,
должна отвечать настоящему положению дел. Например, в США считается
плюсом, если человек поменял много мест работы, что говорило о том, что
он востребован. В СССР наоборот – данное обстоятельство говорило о
том, что человек либо не может ужиться с коллективом, либо это малоценный специалист, а соответственно повышается вероятность просрочки в
платежах.
Рассматривая ситуацию в российских банках, тоже следует придерживаться географического фактора, так как существует весомое отличие
уровня жизни в столице от регионов. Для центрального региона разработана следующая модель.
Экспертами выделяется ряд показателей, по которым оценивается
финансовое состояние заемщика и его личностные качества, связанные с
возможностью отвечать по кредитным обязательствам. Показатели объединены в группы и сведены в таблицу. Каждому показателю проставлен
балл от 0 до 1 в соответствии с его значимостью, по мнению эксперта.
Также проставлен балл от 0 до1 группам. Расчет оценки производиться по
формуле:
W=
,
где W- это общий «вес» показателя.
i – Вес группы показателей (для группы «Личные сведения» = 0,7);
j – Вес показателя (для группы «Личные сведения» показателя «Вес»
= 1);
k – Балл значения показателя (для показателя «Вес» значения «36–
45» = 1)
n – Количество показателей в группе (для группы «Личные сведения» n = 4).
По статистическим данным средний заемщик имеет вес Wср =
0,0037, и W min = 0,0000005
Прологарифмировав Wср, получим приблизительно -5,6; прологарифмировав W min получим -14,5; таким образом, шкала, по которой оценивается физическое лицо, приобретает вид от -14,5 до 0 (ln 1) со взвешенным средним значением -5,6. Воспользовавшись статистическими данными по выдаваемым кредитам в 2007 году в одном из банков центрального
региона, можно построить зависимость количества физических лиц, получивших кредиты от величины W (рис. 1). Следует учитывать также, что
для расчета W используются данные о запрашиваемом кредите, то есть его
цели и сумма, поэтому целесообразно выявлять зависимость от количества
людей получивших кредит, а не о финансовой составляющей.
Рис. 1 Зависимость количества выданных кредитов от величины W.
Также можно моделировать показатели в соответствии, с приоритетными направлениями кредитования, таких как на развитие программ автокредитования [2] (их доля в кредитном портфеле условного банка – 9,3 %),
повышая балл значения соответствующего показателя в нужной группе.
Результатом будет увеличение веса w, что позволить принять решение с
большей уверенностью. Строя зависимость объемов кредитования от величины w получим следующий график (рис. 2).
Рис.2 Зависимость объемов кредитования от W.
То есть, чем больше вес W для конкретного физического лица, тем
на большую сумму он может претендовать. Приведенный выше пример –
это достаточно грубый вариант того, как можно использовать методы интеллектуального анализа данных, в частности, для достижения поставленной задачи.
Литература
1. Жуков Е.Ф. Общая теория денег и кредита. 3-е изд. – М.,2001.
2. Казимагомедов А. А. Банковское обслуживание населения. – М.:
Финансы и статистика, 1999. – с. 121.
3. Казимагомедов А.А., Ильясов С.М. Организация денежно - кредитного регулирования. – М.: Финансы и статистика, 2001.
4. J. Ross Quinlan. C4.5: Programs for Machine learning. – Morgan
Kaufmann Publishers, 1993.
Аннотация
Для оценки кредитоспособности физических лиц банку необходимо
оценить как финансовое положение заемщика, так и его личные качества.
Сущность методики состоит в том, что каждый фактор, характеризующий
заемщика, имеет свою оценку. Используя полученные баллы, можно получить оценку кредитоспособности физического лица.
Ключевые слова
скоринг-кредитование, показатели, вес физического лица, кредитный
риск, кредитоспособность