Кредитный скоринг и проблемы потребительского кредитования на постсоветском пространстве

Автоматизация выдачи кредитов
Функция кредитной организации: выдача кредитов
Технологически наиболее простые ниши:
Кредитование юридических лиц
Автокредитование
Ипотека – активное государственное регулирование
Потребительское кредитование – объективно технологически сложное

Потребительское кредитование - проблемы
Непрозрачность расходов клиентов
Непрозрачность доходов клиентов
Отсутствие истории взаимоотношений с клиентом
Отсутствие гарантий доходов клиента на срок кредитования
Частичная компенсация рисков - целевое кредитование
Дополнительная проблема – кредит надо выдавать очень быстро

NTR Lab: подход к кредитному скорингу
Кредитный скоринг: широко применяется с 1966 года для принятие решения о выдаче/невыдаче кредита
Классические методы опираются на кредитную историю
Российская ситуация – отсутствие не только кредитной истории но, зачастую, и верифицируемых доходов

Наше решение
Адаптивные методы, опирающиеся на расширенную демографическую, ситуационную и историческую информацию и анализ достоверности данных.
Демографическая информация – анкетная.
Ситуационная информация – о том за каким кредитом, в какое место и время пришел клиент.
Историческая информация – об истории финансовых операций с клиентом.

Что делать с анкетной информацией?
проверка информации (мы не хотим выдавать кредит тому, кто нас обманывает)
кредитный скоринг.

Проверка заявки
на полноту и непротиворечивость (в случае необходимости информация уточняется)
на наличие информации о клиенте в черном списке
по внешним базам данных.
на соответствие данных данным других анкет.
Такие проверки могут выявить, например, ситуацию, когда жена уже получила кредит, а муж подал заявку на еще один потребительский кредит

Скоринг (асчет кредитного рейтинга)
Нейронная сеть для кредитного скоринга (хороший метод из-за свойства универсальной аппроксимации)
Нейронная сеть обучается на конкретных демографических и ситуационных данных
Выдается один из лимитов кредитования (напр., $0, $200, $2000, $3000)

Проблема запуска системы. Основные идеи
Взять сначала как можно больше анкетных и ситуационных данных о клиенте. В дальнейшем те пункты анкеты, которые не влияют на кредитный риск, отбросить
Начальное обучение нейронной сети производится на основе специально сгенерированной выборки анкет и простой скоринговой модели и экспертных оценок.

Дальнейшие направления
Извлечение правил из нейронной сети для понимания факторов, влияющих на кредитные риски и управления ими
Утверждение и использование в операционной деятельности дерева решений