Кредитный скоринг

Материал из MachineLearning.

Версия от 13:05, 6 июля 2026; Danis Sabirov (Обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)

Перейти к: навигация, поиск

Статья написана с использованием LLM Gemini(PRO) и проверена участником ~~Danis Sabirov~~

Содержание

1 Введение
2 Определение и математическая постановка
- 2.1 Исторический контекст
3 Методы кредитного скоринга
- 3.1 Классические статистические методы
- 3.2 Методы машинного обучения
4 Роль машинного обучения и критерии качества
- 4.1 Критерии оценки качества моделей
5 Практический пример
6 Заключение
7 Список литературы
8 Рекомендуемые материалы

Введение

Кредитный скоринг (англ. credit scoring, от лат. scoria — подсчёт, или англ. score — балл) — система оценки кредитоспособности (надежности) потенциального заёмщика, основанная на численных статистических методах и алгоритмах искусственного интеллекта. Основная цель скоринга заключается в минимизации кредитных рисков финансового института за счёт точного прогнозирования вероятности невозврата заёмных средств (дефолта).

В эпоху цифровизации и развития экосистем розничного банкинга кредитный скоринг претерпел фундаментальную трансформацию. Переход от классических экспертных правил и простых статистических моделей к парадигме машинного обучения (Machine Learning, ML) позволил финансовым организациям автоматизировать процесс андеррайтинга, перейти к мгновенному (real-time) принятию решений по кредитным заявкам и существенно повысить разделяющую способность моделей за счёт вовлечения терабайтных массивов альтернативных, слабоструктурированных данных.

Определение и математическая постановка

С точки зрения теории статистического обучения, задача кредитного скоринга чаще всего формализуется как задача бинарной классификации с оцениванием вероятности принадлежности к классу.

Пусть задано измеримое пространство признаков $\mathcal{X} \subseteq \mathbb{R}^d$ , где вектор $x = (x^1, \dots, x^d) \in \mathcal{X}$ описывает характеристики заёмщика (социально-демографические показатели, кредитная история, транзакционная активность). Пусть пространство целевых меток представлено как $\mathcal{Y} = \{0, 1\}$ , где:

$Y = 1$ — «плохой» заёмщик (наступил факт дефолта, например, просрочка платежа более 90 дней в течение фиксированного горизонта наблюдения);
$Y = 0$ — «хороший» заёмщик (обязательства исполняются надлежащим образом).

Вероятностная постановка задачи заключается в построении предсказательной модели $f: \mathcal{X} \to [0, 1]$ , которая аппроксимирует истинную апостериорную вероятность дефолта (Probability of Default, PD) для заданного вектора признаков $x$ :

$f(x) = \mathbb{P}(Y = 1 \mid X = x)$

Оценка вероятности дефолта является критически важной компонентой для расчета ожидаемых потерь (Expected Loss, EL) финансового института по формуле:

$\text{EL} = \text{PD} \times \text{LGD} \times \text{EAD}$

где $\text{LGD}$ (Loss Given Default) — уровень потерь при дефолте (доля от суммы кредита, которую не удастся вернуть), а $\text{EAD}$ (Exposure at Default) — величина кредитного риска в момент дефолта (остаток задолженности).

В традиционных банковских системах прогностическая вероятность $f(x)$ монотонно преобразуется в шкалу баллов (скоробалл), обычно распределённую в диапазоне от 300 до 850 пунктов, посредством аффинного преобразования:

$\text{Score} = \text{Offset} + \text{Factor} \times \ln\left(\frac{1 - f(x)}{f(x)}\right)$

Исторический контекст

Первые попытки квантификации кредитного риска связаны с работой Дэвида Дюрана (David Durand, 1941), который впервые применил линейный дискриминантный анализ (LDA) Рональда Фишера для классификации автомобильных кредитов на надежные и дефолтные. В 1956 году инженер Уильям Фэйр (William Fair) и математик Эрл Исаак (Earl Isaac) основали компанию Fair, Isaac and Company (ныне FICO), которая разработала коммерческий стандарт скоринговых карт. В 1968 году Эдвард Альтман (Edward Altman) адаптировал многомерный дискриминантный анализ для оценки вероятности банкротства корпоративных заёмщиков (Z-score Альтмана).

С конца 1990-х годов в индустрии закрепился стандарт логистической регрессии. В XXI веке, по мере экспоненциального роста объёмов данных и вычислительных мощностей, произошёл масштабный переход к непараметрическим методам машинного обучения, лидерами среди которых стали ансамбли деревьев решений и градиентный бустинг.

Методы кредитного скоринга

Методологический аппарат кредитного скоринга разделяется на классические параметрические подходы и современные непараметрические алгоритмы машинного обучения.

Классические статистические методы

Логистическая регрессия (Logistic Regression): Долгое время являлась индустриальным стандартом благодаря высокой интерпретируемости и соответствию регуляторным требованиям (Базельский комитет по банковскому надзору). Модель имеет вид:

$\ln\left(\frac{\mathbb{P}(Y=1 \mid x)}{1 - \mathbb{P}(Y=1 \mid x)}\right) = \beta_0 + \sum_{j=1}^d \beta_j x^j$

Скоринговые карты на основе WoE-трансформации: Перед обучением логистической регрессии непрерывные и категориальные признаки подвергаются процедуре квантования (binning), после чего рассчитывается кодирование WoE (Weight of Evidence) для каждого интервала $j$ :

$\text{WoE}_j = \ln\left(\frac{\% \text{ Good}_j}{\% \text{ Bad}_j}\right)$

Значимость признаков оценивается с помощью показателя информационной ценности (Information Value, IV):

$\text{IV} = \sum_{j} \left( \% \text{ Good}_j - \% \text{ Bad}_j \right) \times \text{WoE}_j$

Методы машинного обучения

Композиции деревьев решений (Random Forest, Gradient Boosting): Алгоритмы градиентного бустинга над решающими деревьями (XGBoost, LightGBM, CatBoost) демонстрируют наивысшую предсказательную точность в задачах скоринга на табличных данных. Они способны автоматически выделять сложные нелинейные зависимости и обрабатывать пропущенные значения без предварительной трансформации признаков.
Машины опорных векторов (SVM) и Нейронные сети: Используются для аппроксимации высокоразмерных нелинейных разделяющих поверхностей, однако требуют тщательной нормализации данных и подвержены риску переобучения при несбалансированных выборках.

Роль машинного обучения и критерии качества

Интеграция машинного обучения кардинально изменила архитектуру скоринга по следующим направлениям:

Обработка альтернативных данных (Alternative Data): Использование в качестве признаков логов транзакций по дебетовым картам, геопозиционирования, данных телекоммуникационных операторов, цифрового следа в веб-браузерах и текстовой информации из профилей.
Автоматизация Feature Engineering: Глубокие нейронные сети (в частности, рекуррентные архитектуры LSTM и трансформеры) позволяют извлекать эмбеддинги непосредственно из последовательностей банковских транзакций, минуя ручной сбор агрегированных признаков.

Критерии оценки качества моделей

Специфика кредитного скоринга (сильный дисбаланс классов, где дефолты составляют обычно от 1% до 5% выборки) накладывает ограничения на использование стандартных метрик вроде Accuracy. В индустрии применяются специализированные показатели:

Площадь под ROC-кривой (ROC-AUC): Оценивает качество ранжирования заёмщиков по степени риска:

$\text{AUC} = \int_0^1 \text{TPR}(\text{FPR}) \, d\text{FPR}$

Коэффициент Джини (Gini Coefficient): Основная метрика эффективности скоринговых карт, отражающая степень отличия модели от случайного гадания:

$\text{Gini} = 2 \times \text{AUC} - 1$

Статистика Колмогорова-Смирнова (KS-statistic): Измеряет максимальное расстояние между эмпирическими функциями распределения баллов «хороших» ( $F_{good}$ ) и «плохих» ( $F_{bad}$ ) заёмщиков:

$\text{KS} = \max_s |F_{good}(s) - F_{bad}(s)|$

Индекс стабильности популяции (Population Stability Index, PSI): Используется для мониторинга стабильности распределения входящего потока заёмщиков во времени и своевременного обнаружения сдвига данных (Data Drift):

$\text{PSI} = \sum_{k=1}^K \left( P_{actual, k} - P_{expected, k} \right) \times \ln\left(\frac{P_{actual, k}}{P_{expected, k}}\right)$

Практический пример

Рассмотрим сквозной процесс построения и применения современной скоринговой системы в цифровом банке.

Описание задачи: Оценка кредитного риска при выдаче необеспеченных потребительских кредитов наличными через мобильное приложение. Банку требуется одобрить или отклонить заявку в течение 10 секунд, минимизировав долю неработающих кредитов (Non-Performing Loans, NPL90+) на уровне, не превышающем 3.5% от портфеля.
Модель: Алгоритм градиентного бустинга LightGBM, интегрированный с фреймворком интерпретируемости SHAP (SHapley Additive exPlanations). Использование SHAP необходимо для соблюдения требований регулятора по предоставлению мотивированного отказа заёмщику (Explainable AI, XAI).
Оценка кредитного риска:

# При поступлении заявки система мгновенно агрегирует вектор признаков $x^*$ , включающий: агрегаты из бюро кредитных историй (число открытых кредитов, индекс просрочек), транзакционные признаки за последние 6 месяцев (доля трат в супермаркетах, средний остаток на счетах) и анкетные данные.
# Модель LightGBM вычисляет точечную оценку вероятности дефолта: $\text{PD} = f(x^*)$ .
# Полученное значение $\text{PD}$ сопоставляется с установленным порогом отсечения (Accept/Reject Cut-off) $\tau$ , который рассчитывается из бизнес-требований к доходности портфеля. Если $\text{PD} \le \tau$ , кредит одобряется.
# Параллельно вычисляются SHAP-значения $\phi_j$ для каждого признака, удовлетворяющие свойству аддитивности: $sum_{j} \phi_j = g(x^*) - \mathbb{E}[g(X)]$ . В случае отказа система автоматически извлекает топ-3 признака с наибольшим положительным вкладом в риск и формирует текст отказа (например: «Высокий уровень текущей долговой нагрузки»).

Почему кредитный скоринг важен: Внедрение данной ML-модели позволяет банку исключить человеческий фактор из процесса принятия решений, снизить операционные расходы на штат верификаторов и существенно снизить уровень NPL за счёт выявления скрытых нелинейных паттернов дефолтности, недоступных классическим линейным моделям.

Заключение

Кредитный скоринг представляет собой высокотехнологичный симбиоз финансового риск-менеджмента и прикладного машинного обучения. Эволюция методов от простейшего дискриминантного анализа до ансамблей градиентного бустинга и глубокого анализа транзакционных последовательностей позволила радикально повысить точность квантификации рисков. В современную эпоху ключевыми вызовами для скоринговых моделей становятся обеспечение интерпретируемости (XAI), борьба со смещениями в данных (Fairness в ML) для исключения дискриминации заёмщиков, а также адаптация алгоритмов к динамически меняющимся макроэкономическим условиям в реальном времени.

Список литературы

Durand D. Risk Elements in Consumer Instalment Financing. — National Bureau of Economic Research, New York, 1941. — 163 p.
Altman E. I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // The Journal of Finance. — 1968. — Vol. 23, no. 4. — P. 589–609.
Thomas L. C., Edelman D. B., Crook J. N. Credit Scoring and Its Applications. — SIAM, 2002. — 262 p.
Lundberg S. M., Lee S.-I. A unified approach to interpreting model predictions // Advances in Neural Information Processing Systems (NeurIPS). — 2017. — Vol. 30. — P. 4765–4774.