Методики оценки кредитоспособности физических лиц

Актуально о банках » Оценка кредитоспособности заемщика » Методики оценки кредитоспособности физических лиц

Страница 3

При построении модели оценки кредитоспособности огромную помощь эксперту окажет разнообразная аналитическая отчетность. Поскольку данные в хранилище представлены в многомерном виде, то, несомненно, наиболее удобно получать отчетность в виде набора срезов данных – кросс–таблиц.

В основном берут кредит лица до 30 лет, от 30 до 50 менее активно, от 50 до 70 практически не берут. Видимо, условия кредитования не устраивает лиц, старше 30 лет в большинстве случаев. Банку, для привлечения данной категории лиц придется менять условия кредитования (например, уменьшить плату за кредит). Если анализировать причину такого количества отказов в выдачи кредитов, то выяснится, что потенциальные заемщики неадекватно оценивали свои возможности по погашению кредита (это наглядно видно на самоорганизующихся картах далее).

В Deductor 4 в OLAP-кубе с помощью инструмента 'селектор' можно агрегировать факты по какому-либо измерению, оставляя только те объекты, которые соответствуют указанному условию. Например, можно объединить сумму кредитов по возрастам заемщиков, оставив только тех, которые в сумме берут 50% кредитов. Так подтверждается популярность кредитования среди молодежи. Это небольшой пример применения аналитической отчетности. На практике можно таким образом анализировать любую информацию о заемщиках, имеющуюся в хранилище в произвольных разрезах.

Сегментация заемщиков.

Каждый заемщик обладает определенным набором атрибутов (факторов). Для анализа рынка необходимо в первую очередь понять общую картину. Кто берет кредиты, зачем, какие существуют причины отказов в выдаче кредитов или причины несостоятельности. Для этого необходимо наглядное представление всех имеющихся данных. Такую задачу можно решить с помощью построения самоорганизующихся карт, показывающих распределение заемщиков по характеристикам 'Сумма кредита', 'Срок кредита', 'Цель кредитования', 'Среднемесячный доход', 'Количество иждивенцев' и 'Возраст'. После сегментирования можно узнать, какие именно сегменты являются наиболее активными, какие приносят наибольшую прибыль и где находятся наиболее лояльные клиенты, выделить характерные для них признаки.

Итак, 0 сегмент – самый большой, представляет всех заемщиков старше 30 лет. Это наиболее консервативная часть всех заемщиков, поэтому ей присущи сходные черты и, следовательно, необходим одинаковый подход при оказании им услуг кредитования, а также их классификации. Заемщики же моложе 30 лет делятся еще на 4 сегмента:

1 сегмент – более состоятельные молодые семьи, желающие обустроить свое жилье. Причем верхняя часть сегмента – проблемные заемщики, неадекватно оценивающие свои возможности.

2 сегмент – работающие студенты.

3 сегмент – Заемщики, приобретающие в кредит дешевые товары.

4 сегмент – группа заемщиков, берущая кредит на ремонт.

5 сегмент – Заемщики, получающие в кредит образование и различные услуги.

Кластеризация показала, что на рынке кредитования физических лиц существуют не только различные направления (кредитование товаров, образовательные кредиты), но и различные сегменты заемщиков, пользующиеся одним и тем же видом услуг. Следовательно, для каждой такой группы необходим свой способ классификации на 'хороших' и 'плохих' заемщиков. Очевидно, что, даже анализируя отдельный сегмент рынка, доминируют те или иные факторы в зависимости от ситуации. В рассматриваемой далее модели будет показано, что при определенных условиях большую роль играет наличие собственности у кредитора, при других его образование или срок работы на предприятии. Т.е. модель классификации получается весьма гибкая. Тем не менее, существуют такие факторы, влияние которых на принятие решения о выдаче кредита мало меняется от остальных условий. Это сумма кредита, срок кредита, среднемесячный доход и среднемесячный расход.

Исходя из данных предыдущего анализа, можно выделить несколько групп заемщиков, берущих в кредит товары длительного пользования: кредиты на небольшие суммы, средние и значительные и проанализируем некоторые из них. Выделим из полученных сегментов группу заемщиков, берущих небольшие кредиты на приобретение товаров. Построим для этой группы дерево решений. Входными параметрами будут факторы, влияющие на кредитоспособность согласно выдвинутой гипотезе. Выходом же дерева будет решение о выдаче кредита или отказе.

Заметим, что дерево само отсекло незначащие и мало влияющие на результат факторы, оставив среднемесячный доход, расход и срок кредита. Это можно учесть при экспресс кредитовании наиболее дешевых товаров.

Страницы: 1 2 3 4

Главное меню

Copyright © 2019 - All Rights Reserved - www.seriousbank.ru