Скоринговая система оценки платежеспособности розничного клиента - это статистическая модель, оценивающая вероятность того, что заемщик не заплатит по своим обязательствам в срок. Таким образом, для построения любой статистической модели необходимо иметь достаточную по объему и качественную базу данных.

1. Формулировка требований к системе – это первая и возможно самая главная стадия процесса внедрения. Требования к скоринговой системе зависят от того, каким образом она будет использоваться. Рассмотрим несколько вариантов.

2. Банк собирается регулярно выводить на рынок новые кредитные продукты, тогда на первое место из требований к скоринговой системе выдвигается как гибкость. То есть банк должен иметь возможность быстро и качественно запускать в работу новые кредитные продукты.

3. Банк в первую очередь ориентируется на риск-менеджмент, то есть политика банка в большей степени определяется рисками – тогда основные требования к системе будут связаны с отчетностью.

4. Банк потратил значительные ресурсы на собственное хранилище данных, фронт-офис или какое-то другое банковское ПО. Вследствие, этого на первое место выходит возможность легкой интеграции скоринговой системы в уже существующие решения.

5. Банк обладает большим количеством отделений, у него подписаны контракты с рядом крупных торговых сетей. Для такого банка самыми важными требованиями будет масштабируемость и производительность системы [4, c.78].

База данных для построения скоринговой модели (собственная или приобретенная) должна содержать всю возможную информацию по клиентам за последние 2-5 лет, в том числе клиентский номер (в Беларуси хороший способ идентификации - личный номер, который совпадает со страховым номером в фонде социальной защиты, кстати, там есть база данных по доходам изо всех официальных источников за последние 5 лет), банковский продукт, решение по кредитной заявке, дату открытия счета, статус задолженности, баланс на счету и т.д. Далее из выборочной совокупности должны быть исключены:

· все нестандартные случаи (аномально большие суммы кредита, необычные цели для займа, реструктуризированные обязательства, клиенты с нестандартными условиями выплат и др.),

· отказы в выдаче кредита по причинам, обусловленным единой политикой банка (несовершеннолетние, банкроты, двойные заявки и др.),

· инсайдерские кредиты (VIP, сотрудники банка и др.),

· сторно, незаконченные или находящиеся в процессе обработки кредитные анкеты,

· нестандартное поведение клиента после выплаты кредита (подделка документов и мошенничество, кражи и потери кредитных карт, смертельные случаи и др.).

Все остальные данные в выборке должны быть разбиты на категории: «хороший» (платежеспособный), «плохой» (неплатежеспособный) клиент или «отказ» в выплате кредита [8].

В теории по созданию скоринговых систем процесс моделирования часто разбивают на два этапа:

1) построение первичной модели с использованием известных данных по розничным счетам (платежеспособный/неплатежеспособный),

2) построение конечной модели с добавлением данных по клиентам, которым было отказано в кредите («отказы»).

Практика показывает, что добавление отказов, несмотря на большие затраты ресурсов, редко приносит желаемый результат и оказывает несущественное влияние на качество и характер модели. Поэтому далее мы предлагаем учитывать при построении лишь данные существующих клиентов, охарактеризовавших себя с позиции платежеспособности («хороший»/«плохой» случай).

Перед тем как переходить к анализу скоринговых показателей и построению первичной модели, банку необходимо точно сформулировать свое определение «плохого» случая (дефолта). Примерами определения дефолта в мировой практике являются: уровень просроченной задолженности (свыше 30 дней, 60 дней или 90 и более дней) на текущий момент или худший статус за все время кредитной истории, а также списание со счета, 3 раза задолженность свыше 30 дней, 2 раза задолженность свыше 60 дней, один раз задолженность свыше 90 дней, просроченная задолженность в размере свыше 500 000 руб. и т. д. Базель II дефинирует понятие дефолта как существование просроченной задолженности на счету свыше 90 дней когда-либо на протяжении всей кредитной истории. Банк свободен сам выбирать для себя, какое понятие дефолта лучше всего использовать при построении скоринговой модели, если он сможет логически аргументировать свой выбор. Подтверждение правильности выбранного определения может осуществляться экспертным путем или аналитическими методами (roll rate analysis, vintage analysis).