Czym jest scoring kredytowy i do czego służy?
Scoring kredytowy to punktowa ocena ryzyka kredytowego klienta w celu określenia jego wiarygodności kredytowej i polega na porównaniu jego profilu z profilami klientów posiadających wcześniej zobowiązanie kredytowe. Im wyższa liczba punktów, tym wyższa wiarygodność kredytowa.
Rozróżniamy dwa podstawowe rodzaje scoringów: scoring behawioralny i scoring aplikacyjny.
Scoring behawioralny polega na analizie „zachowania” klienta w zakresie dotychczasowej obsługi produktów finansowych, czyli m.in. zobowiązań kredytowych jakie posiada (rodzaj, kwota, okres) i/lub posiadał i jak terminowo je regulował. Warunkiem zastosowania jest posiadanie takich danych (historii danego klienta). Przykładem scoringu behawioralnego jest scoring Biura Informacji Kredytowej, o którym przeczytasz poniżej.
Scoring aplikacyjny to ocena na podstawie podawanych przez klienta danych (we wniosku oraz dokumentach dochodowych) określających jego sytuację osobistą i materialną. Określenie ryzyka kredytowego następuje poprzez przyznanie odpowiedniej ilości punktów wyznaczonych w modelu scoringowym za poszczególne cechy a po ustaleniu sumy punktów wszystkich cech, przypisanie klienta do odpowiedniej grupy ryzyka.
W wielu instytucjach finansowych stosowane są jednocześnie oba rodzaje scoringów.
Na pierwszy rzut oka wydaje się, że udzielanie kredytów na postawie przyznawania punktów to wróżenie z fusów. Nic bardziej mylnego. Banki przez lata zbierają dane o swoich kredytobiorcach dysponując ogromnymi bazami danych i ogromną wiedzą o swoich klientach oraz o tym jak terminowo spłacają zobowiązania.
W następnej części poznasz szczegóły scoringu aplikacyjnego czyli zasady tworzenia modeli scoringowych.
Tworzenie i weryfikacja modelu scoringowego
W celu oszacowania ryzyka kredytowego banki budują skomplikowane modele scoringowe (oceny punktowej) oparte na metodach statystycznych. Model scoringowy ma za zadanie sklasyfikowanie kredytobiorców i przypisanie im odpowiednich grup ryzyka od najniższego do najwyższego. Na podstawie danych historycznych budowana jest struktura cech i ich współzależność, mających wpływ na spłacalność kredytów oraz ustala się ilość punktów przyznawanych za poszczególne cechy kredytobiorcy a także przypisuje się im odpowiednią wagę w całości oceny. Powstaje swego rodzaju „portret” klienta idealnego a z drugiej strony klienta, któremu banki nie chciałyby pożyczać pieniędzy. Składając wniosek bank dokona analizy danych, które podasz a następnie system przypisze w zależności od oszacowanego ryzyka do właściwej grupy i od tego uwarunkowane będzie udzielenie kredytu.
Bank przystępując do tworzenia modelu scoringowego przede wszystkim określa założenia wyjściowe, na postawie których będzie on tworzony. Bank musi określić źródło oraz jakość danych, z których będzie korzystał a także czy przyjęte warunki gwarantują stabilność działania modelu. Jest to o tyle istotne, że zły dobór danych będzie rzutował na jakość otrzymywanych wyników. W związku ze zmianami w Prawie Bankowym (art. 105a), w budowie modeli scoringowych nastąpiły znaczne zmiany wynikające z ograniczeń przetwarzania danych osobowych kredytów, dla których bank nie posiada pisemnej zgody klienta na przetwarzanie jego danych po spłacie zobowiązania. Takie dane są wykluczone z budowy scoringu co może mieć negatywny wpływ na jego jakość przewidywania wystąpienia braku spłaty kredytu.
Zadaniem osób przygotowujących model jest sprawdzenie zależności pomiędzy zmiennymi (cechami klienta), wpływającymi na to czy kredytobiorca dobrze rokuje czy też nie. Polega to na analizie dyskryminacyjnej czyli wykazaniu, że grupa cech wzajemnie zależnych w najlepszy możliwy sposób odpowiadają na podstawowe pytanie czy klient będzie spłacał czy też nie będzie spłacał swojego zobowiązania. W niektórych przypadkach takie zależności łatwo określić a czasem nawet te oczywiste mogą prowadzić do zaskakujących wniosków. Budowa modelu następuje w oparciu o model regresji logistycznej, która pozwala określić wpływ (prawdopodobieństwo zajścia zdarzenia) kliku zmiennych objaśniających na zmienną objaśnianą (zero-jedynkową) spłaty lub braku spłaty zobowiązania.
Do tworzenia modelu przyjmuje się zakres próby kredytobiorców oraz okres ich obserwacji. Dodatkowo jest określany czas w jakim wystąpić może sytuacja braku spłaty kredytu od momentu jego udzielenia. Następnie dokonuje się dyskretyzacji zmiennych czyli podziału danych na przedziały w celu budowy tzw. tablicy scoringowej. Przykładowo, jeżeli zmienną, którą analizujemy jest wiek kredytobiorcy, to powinniśmy dokonać podziału na przedziały wiekowe przyznając odpowiednie punkty. Ilustruje to poniższa tabela poglądowa.
Dla każdej z cech budowana jest oddzielna punktacja, która później jest ujmowana w tabeli scoringowej zawierającej zestaw cech, przedziałów i odpowiadających im punktacji.
Przepisy prawne określające dane, które banki mogą przetwarzać tworząc modele scoringowe
Banki w swoich modelach scoringowych stosują własne kryteria doboru cech, które najlepiej będą odzwierciedlały ich poziom ryzyka udzielania kredytów, bazując na własnym dotychczasowym doświadczeniu. W pewnych kwestiach wymogi co do cech, które powinny lub mogą być uwzględniane, regulują odpowiednie przepisy Rekomendacji T KNF oraz ustawy dostosowującej do RODO.
Zgodnie z rekomendacją 6.10, w analizie cech klienta, bank powinien uwzględniać m.in. wiek klienta, stan cywilny, liczbę osób na utrzymaniu, poziom wykształcenia, doświadczenie zawodowe, zawód i obecne stanowisko w pracy. Dodatkowo bank powinien uwzględnić analizę historii dotychczasowej współpracy z danym bankiem w szczególności „historię operacji na rachunku, terminowość spłat dotychczasowych zobowiązań, korzystanie z innych produktów banku”.
Ustawa dostosowująca do RODO wprowadziła szereg zmian w innych przepisach dotyczących m.in. przetwarzania danych przez banki w procesie udzielania kredytów. Jednym z ważnych elementów jest ustalenie kategorii danych, które banki mogą przetwarzać (uwzględniając cel i rodzaj kredytu) w procesie oceny klienta na podstawie przeprowadzonego przez bank zautomatyzowanego przetwarzania, w tym profilowania danych osobowych. Dane te zostały podzielone na dwie kategorie: dane dotyczące osoby fizycznej i dane dotyczące zobowiązania.
| Dane dotyczące osoby fizycznej | ||
|---|---|---|
| imię (imiona) i nazwisko | nazwisko rodowe | imiona rodziców |
| data i miejsce urodzenia | wiek | płeć |
| obywatelstwo | stan cywliny | seria i numer dokumentu tożsamości |
| numer PESEL | numer NIP | adres zamieszkania, zameldowania, pobytu czasowego |
| adres do korespondencji (jeśli inny) | tytuł prawny do zajmowanego lokalu | miejsce pracy |
| zawód | wykształcenie | forma zatrudnienia |
| sytuacja finansowa, w tym dochody i wydatki | osoby pozostające na utrzymaniu | ustrój majątkowy małżonków |
| Dane dotyczące zobowiązania | ||
|---|---|---|
| źródło zobowiązania | kwota i waluta | numer i stan rachunku, nazwa i adres siedziby lub oddziału banku |
| data powstania zobowiązania | warunki spłaty zobowiązania | ustanowione zabezpieczenia prawne |
| przebieg realizacji zobowiązania | stan zadłużenia z tytułu zobowiązania | data wygaśnięcia zobowiązania |
| przyczyny niewykonania zobowiązania lub dopuszczenia się zwłoki | przyczyny wygaśnięcia zobowiązania |
Większość podanych w powyższej tabeli cech jest oczywista i jak najbardziej logiczne jest ich analizowanie ale niektóre mogą wydawać się w żaden sposób niezwiązane z tym, jak ktoś spłaca kredyt. Warto wiedzieć, że poszczególne cechy i ich wartości punktowe mogą się różnić w zależności od rodzaju kredytu. Inne parametry mogą być uwzględniane przy kredytach hipotecznych, inne przy gotówkowych, samochodowych a zupełnie inne przy kartach kredytowych. Poniżej wyjaśnienia dotyczące wybranych cech:
Wiek kredytobiorcy
Wiek kredytobiorcy – banki przyznają inną liczbę punktów osobom w zależności od wieku. Część banków może być mniej przychylna osobom w młodym wieku, a część osobom starszym. Jako przyczynę można uznać to, że osoby w młodym wieku są skłonne do większego ryzyka, przeszacowania swoich możliwości finansowych, przywiązują mniejszą wagę do oszczędności. Z kolei w przypadku osób starszych prawdopodobieństwo śmierci jest dużo większe aczkolwiek takie osoby są bardziej odpowiedzialne i dotrzymują umów a także mają stałe źródło dochodów (emerytura). Niestety wiele banków osobom w starszym wieku (powyżej 75 lat) odmawia udzielenia kredytu lub wymaga dodatkowej osoby będącej współkredytobiorcą lub poręczycielem.
Stan cywilny
Stan cywilny – osoby samotne, rozwiedzione mogą mieć większe problemy ze spłatą zobowiązania a wynika to przede wszystkim z ryzyka utraty pracy i braku dochodów. Osoby będące w związku małżeńskim według banków są bardziej wiarygodnymi klientami. Inaczej sytuacja wygląda w przypadku osób, które ustanowiły rozdzielność majątkową ze współmałżonkiem. Zdarza się, że osoby takie robią to w celu ukrycia dochodów lub złej historii kredytowej.
Zawód wykonywany
Zawód wykonywany – klasyfikacja osób według zawodów wynika z tego, że w pewnych zawodach skłonność do nieregulowania zobowiązań może być niższa niż w zawodach o większej stabilności zatrudnienia i wyższych dochodach. Banki analizują dane o bezrobociu i strukturze zatrudnienia.
Liczba osób w gospodarstwie domowym
Liczba osób w gospodarstwie domowym – inaczej są klasyfikowane osoby samotne, które są uważane za osoby o większym ryzyku w porównaniu do żyjących w związkach a tym bardziej posiadających dzieci. Jak wiadomo, nie tylko przez banki, takie osoby są traktowane za bardziej odpowiedzialne. W przypadku osób posiadających większą liczbę dzieci sytuacja się zmienia i banki podchodzą z większą ostrożnością. Utrzymanie takiej rodziny będzie wymagało większych kosztów.
Wykształcenie
Wykształcenie – poziom wykształcenia może mieć wpływ na terminowość spłaty kredytu, będąc w pewnym sensie wynikiem posiadanej większej wiedzy z zakresu finansów przez osoby o wyższym wykształceniu. W wielu przypadkach może wiązać się również z poziomem uzyskiwanych dochodów oraz posiadanych oszczędności, które mogą być wykorzystane do spłaty kredytu jeśli zaistnieją niekorzystne okoliczności.
Forma zatrudnienia
Forma zatrudnienia – osoby zatrudnione na umowę o pracę na czas nieokreślony lub uzyskujące dochód z tytułu emerytury są najbardziej pożądanymi klientami banków, dlatego najczęściej dostają najwięcej punktów. Gorzej sytuacja wygląda u osób zatrudnionych na umowy o pracę na czas określony, umowy zlecenie, umowy o dzieło, które niosą znacznie większe ryzyko dla banku. Odrębną kategorią jest działalność gospodarcza, która jako najbardziej ryzykowna będzie nisko klasyfikowana. Dodatkowo banki uzależniają punktację od rodzaju prowadzonej działalności.
Okres zatrudnienia
Okres zatrudnienia – osoby o dłuższym stażu w danym zakładzie pracy mają większą szansę aby otrzymać kredyt, w praktyce jeśli zatrudnienie jest krótsze niż 3 miesiące u danego pracodawcy, uzyskanie kredytu może być niemożliwe (przyjmuje się, że jest to umowa na czas próbny). W tym punkcie również należy uwzględnić okres prowadzenia działalności gospodarczej, gdzie okres 12 miesięcy jest często minimalnym okresem (wynika to ze statystyk, które pokazują, że większość działalności upada w pierwszym roku działalności).
Okres zamieszkania pod danym adresem
Okres zamieszkania pod danym adresem – osoba zamieszkująca pod danym adresem przez kilka lat jest bardziej stabilna (wiarygodna) od osoby, która często zmienia miejsce zamieszkania (często trudniej zlokalizować taką osobę, jeśli przestanie spłacać kredyt).
Wysokość dochodów
Wysokość dochodów – tu raczej wątpliwości nie ma, im wyższy dochód tym lepiej, można wyliczyć wskaźnik porównujący wysokość dochodów do miesięcznej raty i na tej podstawie przyznać określona liczbę punktów scoringu. Gdy wskaźnik niższy tym ryzyko mniejsze.
Podanie numeru telefonu
Podanie numeru telefonu – obecnie traci na znaczeniu, ponieważ staje się wymogiem niezbędnym do przyszłego kontaktu z klientem, nie tylko w przypadku braku spłaty kredytu.
Historia kredytowa
Historia kredytowa – ta informacja stanowi główny element każdego modelu scoringowego. Jeżeli posiadasz złą historię kredytową/obecnie posiadasz zaległości w BIK lub/i zostałeś wpisany do baz Biur Informacji Gospodarczej, Bankowego Rejestru Związku Banków Polskich możesz się liczyć z natychmiastową odmową. Nie będzie miało znaczenia, że za pozostałe dane dostaniesz maksymalną liczbę punktów. Na ogół systemy scoringowe są tak ustawione by liczba punktów za historię kredytową niwelowała inne pozytywne informacje.
Jeżeli twoja historia nie jest taka zła (miałeś zaległości przeterminowane do 30 dni) system może zezwolić na dalszą analizę twojego wniosku ale w takim przypadku będzie potrzebne sprawdzenie ręczne przez analityka i odpowiednia akceptacja (na pewno będziesz musiał poczekać na decyzję dłużej niż standardowy czas oczekiwania). Pamiętaj, że terminowe regulowanie wszystkich zobowiązań kredytowych będzie miało kluczowe znaczenie w przyszłości jeśli będziesz chciał zaciągnąć kredyt. Pewnie zaskoczy cię informacja, że „czysta karta” w BIK, czyli brak historii kredytowej, to również negatywna informacja. Z tego powodu bank nie może cię odpowiednio sklasyfikować, ponieważ ciebie nie zna.
Należy pamiętać, że wszystkie powyżej wymienione cechy są analizowane w modelach scoringowych łącznie. Stąd jeśli przyrównasz swój „profil” klienta patrząc na pojedyncze cechy to niekoniecznie będzie oznaczać, że jedna negatywna cecha (poza historią kredytową) przekreśla szanse na uzyskanie kredytu na dobrych warunkach. Otrzymując podczas badania wiarygodności kredytowej punkty za poszczególne cechy może się okazać, że w sumowanej liczbie punktów nie ma ona istotnego znaczenia dla banku.
Obliczanie współczynnika PD (Probability of Default)
Według zbudowanej tabeli scoringowej dokonuje się kalkulacji współczynnika PD (ang. Probability of Default). W znacznym uproszczeniu sprowadza się to do ustalenia jakie jest prawdopodobieństwo, że w przyszłości klient przestanie spłacać kredyt (w języku bankowców zwane „prawdopodobieństwem defaultu”). Ustala się również poziom wskaźnika PD, poniżej którego wniosek jest odrzucany, tzw. cut-off point (punkt odcięcia). Punkt odcięcia ustala się na podstawie akceptowanego przez dany bank poziomu ryzyka (apetytu na ryzyko) poprzez określenie wskaźnika PD, przy którym następuje odrzucenie wniosków o najwyższym poziomie ryzyka, w stosunku do procenta wszystkich składanych wniosków. Ma to na celu znalezienie złotego środka, przy którym bank poniesie najmniejsze ryzyko przy możliwie wysokim zysku z udzielania kredytów.
Poniższy schemat przedstawia hipotetyczny podział na grupy ryzyka według przyznanych punktów/wskaźnika PD.
Każda grupa ryzyka będzie miała przypisany poziom akceptacji danego wniosku w strukturze departamentu ryzyka kredytowego banku. Można przyjąć, że wnioski z grupy „A”, jako najmniej ryzykowne, będą podlegały tzw. automatycznej akceptacji, czyli system bankowy będzie aprobował wniosek bez żadnej ingerencji analityka kredytowego. W przypadku wniosków zakwalifikowanych do grupy „B” wniosek będzie wymagał sprawdzenia i zaakceptowania przez analityka. Wniosek z grupy „C” po przejrzeniu przez analityka trafi do akceptacji przez koordynatora zespołu analityków. Z kolei wnioski, które trafią do ostatniej grupy „D” będą wymagały zatwierdzenia przez dyrektora departamentu. Wnioski niezakwalifikowane do żadnej z tych grup zostaną odrzucone.
Walidacja i monitoring modelu scoringowego
Kolejnym krokiem po stworzeniu modelu oceny punktowej jest walidacja, czyli analiza jakości i skuteczności jego działania. Zgodnie z rekomendacją 12, model scoringowy powinien być również poddawany w trakcie użytkowania ciągłemu monitoringowi, którego zadaniem jest ocena jakości, stabilności i skuteczności działania.
Głównym zadaniem jest ustalenie czy zbudowany model poprawnie identyfikuje klientów według grup ryzyka w związku z pojawiającymi się zmianami w badanej grupie klientów (osób wnioskujących o kredyt). Analiza musi być przeprowadzona w sposób niezależny. W uproszczeniu badane są wnioski, które zostały zaakceptowane (uzyskały dobry wynik punktowy) ale w krótkim czasie klienci zaprzestali spłaty kredytu. W sytuacji, gdy występują znaczne odchylenia, czyli liczba takich wniosków rośnie, model należy przebudować i dostosować do zmian rynkowych wykorzystując nowe dane tych właśnie wniosków, które przestały być spłacane w badanym okresie.
Badanie stabilności modelu polega na ocenie zmian struktury nowych klientów w stosunku do klientów, których dane posłużyły do stworzenia modelu. Jako przykład można wskazać sytuację, gdy w budowie modelu większość badanej populacji stanowiły osoby w wieku 50 – 60 lat. Z kolei obecnie w zdecydowanej większości o kredyt wnioskują osoby w przedziale 20 – 30 lat. Badanie takiego modelu scoringowego następuje na podstawie współczynników, według których bank jest w stanie określić czy dany model nadal spełnia swoje zadanie czy też „rozjechał się” z rzeczywistością, tzn. nie wyłapuje już podejrzanych klientów a jakość portfela spada. Nowoczesne, bardziej rozwinięte modele scoringowe, bazują na sztucznej inteligencji, sieciach neuronowych i „uczą się” analizując na bieżąco dane dostępne w systemie i dostosowując je do nowych klientów.
W internecie pojawiła się ciekawa dyskusja, w której podważane są zasady przyznawania kredytów uzależnione od cech klienta, tłumacząc to nieuzasadnioną dyskryminacją np. ze względu na wiek lub płeć. Z drugiej strony wyłania się też obraz scoringu kredytowego jako narzędzia, które wyklucza osoby ze względu na negatywną historię w spłacie kredytów innych osób. W takim przypadku ocena polega na generalizowaniu i „wrzucaniu do jednego worka” a nie przyjęcia indywidualnego podejścia do klienta.
Scoring Biura Informacji Kredytowej
Jak już wskazałem na początku wpisu scoring Biura Informacji Kredytowej (BIK) jest przykładem scoringu behawioralnego. Scoring ten pozwala oszacować prawdopodobieństwo, że kredytobiorca będzie posiadał co najmniej jedno nieterminowo spłacane zobowiązanie kredytowe w ciągu kolejnego roku od dnia wyliczenia scoringu. W ramach tego scoringu są analizowane dane klienta, jego aktywności kredytowej, posiadanych produktów kredytowych oraz o ich obsłudze. Opiera się na analizie kilkudziesięciu cech i jest zbudowany na jedynej takiej dostępnej (największej) w Polsce bazie danych kredytobiorców.
W porównaniu do modeli scoringowych poszczególnych banków bazuje na ogromnej bazie danych z całego sektora bankowego. BIK jako instytucja zbierająca dane z całego sektora jako jedyna dysponuje pełnym obrazem wszystkich kredytów konsumenckich udzielanych w Polsce i na tej podstawie może wyciągać wiarygodne wnioski. BIK jak instytucja działająca na podstawie art. 105 prawa bankowego zbiera informacje o wszystkich kredytobiorcach a banki są zobowiązane do przekazywania ich. Banki mają możliwość przystąpienia i korzystania z modelu scoringowego w ramach własnej polityki ryzyka kredytowego.
Co ciekawe każda osoba może sprawdzić jak wygląda jej scoring. W ramach pakietów (płatnych) bank udostępnia takie informacje każdemu zainteresowanemu. Wskaźnik ten jest podawany w punktach od 0 do 100. Im wyższy tym lepszy.
W celu sprawdzenia swojego scoringu należy zarejestrować się i założyć konto w BIK a następnie możesz wykupić pakiet zapytań lub pojedynczy raport ze swoją historią kredytową a przy okazji sprawdzić swój scoring.
