В условиях нарастающей конкурентной борьбы для банков становится крайне важным не только качество предлагаемых услуг, но и скорость принятия решений, в частности по выдаче кредитов. Скоринговые модели позволяют банку быстро и эффективно определять потенциальные возможности заемщика и обезопасить себя от неплатежеспособных соискателей и разного толка мошенников. Скоринг – это система, оценивающая возможный дефолт заемщика на основе кредитной истории и исходя из его социально-демографических параметров.

Система лишена субъективизма, решение принимается за несколько секунд и содержит в себе глубокий анализ накопленной базы данных по всему доступному портфелю заемщика. За каждый заполненный ответ в анкете соискатель получает от скоринговой системы определенное количество баллов. По общему количеству набранных баллов решается вопрос о выдаче ему ссуды. Наиболее распространенная скоринговая модель включает в себя 13 параметров для потребительского кредитования, ипотека и автокредит имеют модель из 25 пунктов. Оптимально отсеиваются около 90% неплатежеспособных соискателей и мошенников, а также 10% платежеспособных заемщиков.

Достаточно востребованы на рынке финансовых услуг скоринговые модели SAS, KXEN, SPSS, которые разрабатываются на западе и, соответственно, учитывают западный опыт. Максимально учитывает особенности русского рынка кредитных услуг система EGAR. Однако любая, даже самая совершенная система скоринга, разработанная на западе, требует оптимизации и корректировки для работы в отечественной банковской сфере.

Одним из способов совершенствования системы скоринга явилось постоянное обновление системы данных по каждому заемщику. Внутренний график обновления данных в некоторых банках составляет около одного месяца. После анализа обновлений производится изменение портфеля данных конкретного заемщика. Таким образом, банки постепенно переходят от стандартной модели скоринга к адаптированной. Каждым банком в процессе работы вводится своя собственная система контрольных правил и поправочных коэффициентов, работающих одновременно с типовой системой скоринга. Так, например, рядом российских банков введена дифференциация потенциальных заемщиков и под каждую кредитную программу выделена своя целевая аудитория со своей собственной процедурой проверки.

Некоторые банки перед тем, как отправить анкету на проверку, накладывают на нее систему предварительных фильтров, которая разрабатывается в самом банке. Данная система тщательно сканирует анкетные данные на предмет целостности. Система определяет, что некоторые анкеты нет смысла отдавать на скоринг, так как предоставляемая информация даст заведомо заниженную или завышенную оценку. Система предварительных фильтров помогает избежать избыточных отказов по кредитам или их одобрений и позволяет вернуть некорректно оформленные анкеты на доработку.

Для такого сложного и дорогого продукта, как ипотека, решение системы скоринга не может быть принципиальным, а скорее является информативным. Оценка финансового положения заемщика здесь ведется по другим параметрам, основную роль играет высокая степень надежности соискателя и его бизнеса. Применение углубленной бизнес-процедуры оценки заемщика может снизить риск дефолта до 50%, что значительно повышает рентабельность банка в целом.

Совершенствует скоринг и формирование банком собственной базы данных и дальнейшее слияние с базами данных других банков. Таким образом, формируется единая банковская информационная структура, основой которой является индивидуальная кредитная история каждого заемщика. В идеале, скоринг должен лишь дополнять сведения, полученные из банка кредитных историй.