1 Опыт построения скоринговых моделей, основанных на использовании информации о социальных сетях. Руководитель департамента розничного кредитования Раев А.С.

2 Общие положения Сеть социальных связей заемщиков – информация, хранимая в НБКИ о данных заемщиков, связанных с потенциальным заемщиком, обратившимся в Банк напрямую или косвенно посредством набора общих «контактных» данных таких как адреса номера телефонов паспортные данные и т.д. Существенным факторами для сети заемщиков является наличие и качество кредитной истории. Причина исследования сети потенциального заемщика - получение набора дополнительных «характеристических» параметров о социальных связях заемщика для включения их в скоринговые модели или кредитные правила необходимые для проведения кредитного анализа платежеспособности клиента При проведении анализа пакета данных заемщика Банка Уралсиб по базе НБКИ 68% из них имеют общие параметры социальных связей

3 Пример структуры сети социальных связей PASSPORT PERSON ADDRESS PHONE APPLICATION PHONE ADDRESS ACCOUNT Адрес регистрации Адрес фактический Домашний телефон Рабочий тел. Домашний тел. Адрес Адрес регистр. Адрес регистрации Адрес Рабочий тел. Домашний телефон Мобильный телефон Рабочий телефон Заемщик (ФЛ) Поручитель Заемщик (ФЛ) APPLICATION Заемщик Банка Узловая структура Внутренние узлы Внешние контактные узлы

4 «Первый круг» узловых структур «Первый круг» узловых структур – все узловые структуры, связанные с центральной узловой структурой заемщика Банка через два контактных ребра. Влияние «первого круга» узловых структур, т.е. его непосредственного окружения, существенно выше влияния более удаленных узловых структур. Заемщик «Первый круг» «Второй круг»

5 Примеры переменных для моделирования Параметры кредитной истории Социо-демографические параметры Параметр просрочек Характеристики ребер узловых структур Агрегированные показатели узловых структур Показатели особых узловых структур без параметров кредитной истории Характеристики узловых структур «первого круга» Характеристики узловых структур «второго круга» Характеристики в узловых структурах «первого круга» Характеристики сети + Целевая переменная Наличие у заемщика дефолта 90+ на 6 месяце Прочие характеристики в узловых структурах Прочие характеристики сети

6 Особенности моделирования Наличие внешних контактных узлов, ассоциированных с несколькими узловыми структурами Внедрение агрегированных характеристик узловых структур Выбор значимых узловых структур, влияние которых имеет наибольшую предсказательную силу Отождествление подобных узловых структур на основании характеристических идентификационных узлов Неоднородность сети по количеству и качеству информации, содержащейся в узловых структурах Наличие нескольких узловых структур с близкими характеристиками ПРОБЛЕМЫРЕШЕНИЯ

7 Для каждого кредитного продукта формируются матрицы сегментации по риску. Net-скоркарта позволяет дополнительно уточнить кредитные политики за счет дополнительной риск-сегментации клиентов. Пример матрицы совместной работы fraud и net скоринговых карт Для каждого кредитного продукта формируются матрицы сегментации по риску. Net-скоркарта позволяет дополнительно уточнить кредитные политики за счет дополнительной риск-сегментации клиентов. Пример матрицы совместной работы fraud и net скоринговых карт Уточнение политики отказов Есть информация из БКИ Сегмент низкого рискаСегмент высокого риска Вероятность мошенничества Доля дефолтов < 4% 0,14%1,01% % 2,13%3,81% % 3,55%18,8% > 20% 16,8%61,1% Нет информации из БКИ Сегмент низкого рискаСегмент высокого риска Вероятность мошенничества Доля дефолтов < 4% 0,4%1,5% % 3,1%4,1% % 4,8%20,6% > 20% 18,3%50,8% Автоматическое одобрение заявки Стандартная проверка ССБ Тщательная проверка ССБ Автоматический отказ по заявке

8 Анализ влияния переменных

9 Совместное применение fraud-скоркарты и net-скоркарты Основная цель построения модели сетей социальных связей (net-скоринг) – возможность дополнительного снижения ранней дефолтности среди заемщиков Банка. Совместное применение модели мошеннического дефолта и модели, построенной на основании социальной сети, позволило получить индекс качества GINI = 70-80% в зависимости от типа продукта

10 Результаты моделирования Построена модель предсказания ранних дефолтов (net-скоринг) исключительно на дополнительной информации о социальных связях заемщика Модель стабильна на каждой фазе Модель проверена на всех продуктах Банка Максимально эффективна в совместном использовании со скоринговыми картами мошеннического дефолта и дает индекс качества GINI до 80% Модель позволяет уточнить кредитные политики верификации кредитных заявок Прорабатывается вопрос включения модели в формирование дополнительных скриптов для андеррайтеров сотрудников СБ и коллекторов.

11 СПАСИБО ЗА ВНИМАНИЕ!