Илья Мунерман, Исследовательский центр Интерфакс-ЛАБ, директор
Скоринговые модели могут использоваться банками не только при оценке заемщиков, но и для проверки контрагентов. При этом серьезным препятствием для применения полноценных скоринговых моделей до сих пор является необходимость своевременного доступа к обновляющейся в режиме онлайн информации. Набор и качество информационных источников в этом году существенно увеличились. Как банки могут использовать эти источники для автоматизации процесса принятия управленческих решений?
Индексы платежной дисциплины: Paydex и кредитные истории
Первый из новых инструментов — индекс платежной дисциплины, так называемый Paydex (от payment index). Он рассчитывается в системе СПАРК на основании методики D&B («Дан энд Бредстрит») и собираемых в России данных, которые уже охватили 0,5 млн компаний, присваивая компании скоринговый балл на основании того, как она оплачивает свои счета.
Конечно, качество обслуживания долга компанией можно узнать из ее кредитной истории, но важно не только то, как она обслуживает кредиты, но и то, как она платит за электричество, телефон, газ, прочие товары и услуги, которые потребляет.
Откуда можно получить эту информацию? В каждой стране — участнице глобального проекта индексов платежной дисциплины формируются «клубы платежной дисциплины». В них вступают компании, которые сообщают о том, как их контрагенты выполняют принятые на себя финансовые обязательства.
Как показывают последние исследования, и в России, и за рубежом этот индекс обладает отличной предсказательной силой. Но нужно сразу сказать, что индексы платежной дисциплины — не единственное, что следует анализировать. Например, в Германии и Японии failure score (скоринг, который предсказывает вероятность дефолта (PD)) включает два важнейших фактора: Paydex и кредитную историю. Российский аналог failure score — индекс финансового риска (ИФР), рассчитываемый в системе СПАРК-Интерфакс. Вы видите, как компания платит банкам и как она платит остальным контрагентам. На основании этого простой логистической регрессией выводите вероятность дефолта — и все, скоринг готов. Но, к сожалению, в российских условиях требуется проделывать больше работы, потому что немногие компании соглашаются быть участниками индексов платежной дисциплины.
Что же касается кредитных историй, то у этого массива данных есть несколько особенностей:
- во-первых, они не всегда достоверны: часто из-за ошибок проблемных банков в кредитные истории заносится недостоверная информация, выявление и исправление которой требуют определенных навыков и ресурсов;
- во-вторых, банк не может обрабатывать кредитную историю без согласия субъекта кредитной истории, а это согласие не всегда удается получить. Из хороших новостей нужно отметить следующее: законодательство сегодня позволяет работать с кредитными историями не только банкам, но и обычным компаниям при наличии согласия субъекта; бюро кредитных историй могут публиковать агрегированные данные и проверять модели сторонних разработчиков, сообщая статистические характеристики модели, но не раскрывая данные, на основе которых модель тестировалась. Все это способствует либерализации рынка скоринговых моделей для бизнеса.