Скоринговая модель для МФО: с чего начать

Многие МФО начинают выдачу на экспертном решении кредитного специалиста и паре жёстких правил. Пока портфель небольшой, это работает. С ростом объёмов решения становятся непоследовательными, а качество портфеля зависит от того, кто сегодня на смене. Скоринговая модель делает решение воспроизводимым и измеримым. Ниже — практический порядок действий.

Какие данные нужны

Модель учится на истории: кому вы выдавали и как эти клиенты платили. Минимальный набор такой.

• Анкетные данные на момент заявки: возраст, занятость, доход, регион, семейное положение, стаж.
• Параметры кредита: сумма, срок, продукт, канал привлечения.
• Платёжная история: графики, фактические платежи, дни просрочки по каждому кредиту.
• Внешние данные там, где они доступны и законны: кредитное бюро, история клиента в вашей организации, транзакционные данные.
• Отказанные заявки — они нужны, чтобы понимать, кого вы не видите в портфеле.

Важно, чтобы данные фиксировались на момент принятия решения и не перезаписывались позже. Если доход в системе обновили через полгода, модель будет учиться на информации, которой при выдаче не было.

Определите, кто такой «плохой» клиент

До построения модели договоритесь об определении дефолта. Например, просрочка больше заданного числа дней в течение заданного срока после выдачи. Определение должно соответствовать продукту: для коротких займов и для кредитов на год оно будет разным. Это решение бизнеса и риск-менеджмента, а не только аналитика.

Простая скоркарта или машинное обучение

Для первой модели мы обычно рекомендуем классическую скоркарту на логистической регрессии. Причины практические:

• её понимает кредитный комитет: каждый признак даёт понятное число баллов;
• её легко объяснить клиенту, аудитору и регулятору;
• она устойчива на небольших выборках;
• её просто встроить в любую систему принятия решений.

Модели машинного обучения, например градиентный бустинг, часто точнее, особенно когда есть много транзакционных или поведенческих данных. Но их сложнее объяснять и контролировать. Разумный путь — начать со скоркарты, а затем проверить, даёт ли ML заметный прирост на ваших данных. Если прирост небольшой, простота важнее.

Валидация

Модель нужно проверить на данных, которых она не видела при обучении: на отложенной выборке и, лучше всего, на более позднем периоде. Смотрят на несколько вещей.

• Разделяющая способность: насколько хорошо модель отличает хороших клиентов от плохих (Gini, KS).
• Калибровка: совпадает ли прогнозная вероятность дефолта с фактической по группам.
• Стабильность: не меняется ли распределение баллов и признаков между периодами.
• Здравый смысл: логично ли влияние каждого признака на балл.

Валидацию лучше поручить людям, которые не строили модель. Для небольшой МФО это может быть внешний специалист.

Пороги отсечения

Модель выдаёт балл, а бизнесу нужно решение. Обычно используют три зоны.

• Одобрение — автоматически или по упрощённой процедуре.
• Ручное рассмотрение — заявки в серой зоне, по которым решение принимает специалист.
• Отказ — риск выше допустимого.

Пороги выбирают по экономике продукта: сколько приносит хороший клиент, сколько теряется на плохом, сколько стоит ручная проверка. Сдвиньте порог — и вы увидите, как меняются уровень одобрения и ожидаемые потери. Это решение нужно обсуждать с коммерческим блоком, а не только внутри рисков.

Встраивание в процесс выдачи

Модель приносит пользу, только когда встроена в процесс. Решите, где будет считаться балл: в системе выдачи, в отдельном модуле принятия решений или в учётной системе. Проверьте расчёт на исторических заявках и убедитесь, что балл в системе совпадает с баллом из модели. Обучите кредитных специалистов: они должны понимать, что означает балл, когда допустимо ручное переопределение и как его обосновать. На первых порах полезно запустить модель в «теневом» режиме и сравнивать её решения с текущими.

Хорошая скоринговая модель — не самая точная, а та, которую понимают, правильно применяют и регулярно проверяют.

Мониторинг и дрейф

После запуска модель начинает стареть. Меняются экономика, каналы привлечения, продукты, поведение клиентов. Настройте регулярный мониторинг:

• ежемесячно — распределение баллов и индекс стабильности популяции (PSI);
• по мере созревания кредитов — фактический уровень дефолтов по зонам баллов;
• долю ручных переопределений решений и их результаты.

Заранее договоритесь, при каких значениях модель перекалибруется или перестраивается. Тогда это станет плановой работой, а не реакцией на рост просрочки.