- нейроины сети;

- генетический алгоритм;

- метод ближайших соседей.

Традиционными и наиболее распространенными являются регрессивные методы, прежде всего линейная многофакторная регрессия[14]:

p = wo + w1x1 + w2x2 + … + wnxn,

где p - вероятность дефолта,

w - весовые коэффициенты,

x - характеристики клиента.

Недостаток такой модели состоит в том, что в левой части уравнения находится вероятность, которая принимает значение от 0 до 1, а сменные в правой части могут принимать любое значение от -? к + ?.

Логистична регрессия разрешает превысить этот недостаток:

log(p/(1-p)) = wo + w1x1 + w2x2 + …+ wnxn…

Для применения логической регрессии необходимые значительно более сложные расчеты для получения весовых коэффициентов и, итак, более мощная компьютерная база и усовершенствованное компьютерное обеспечение. Но при современному равные развития компьютерной техники это не проблема, и у даней время логістична регрессия есть лидером скорингових систем.

Преимущество логической регрессии еще и в потому, что она может разделять клиентов как на две группы (0 - плохой, 1 - красивый), так и на несколько групп (1,2,3,4 группы риска). Все регрессивные методы чувствительные к корреляции между характеристиками, поэтому в модели не должно быть сильно корельованих независимых сменных.

Линейное программирование также приводит к линейной скорингової модели. Провести абсолютно точную классификацию на плохих и красивых клиентов невозможно, но желательно свести ошибку к минимуму. Задача можно сформулировать как поиск весовых коэффициентов, для которых ошибка и будет минимальной.

"Дерево" классификации и нейройные сети представляют собой системы, которые разделяют клиентов на группы, внутри которых уровень риска одинаковый и максимально отличается от уровня риска других групп. Нейронные сети используются главным образом при определении кредитоспособности юридических лиц, где анализируются выборки меньшего размера, чем в потребительском кредите. Но наиболее успешной областью их применения стало выявления мошенничества с кредитными карточками благодаря их способности проявлять нестандартные ситуации[14,35].

Генетический алгоритм основан на аналогии с биологическим процессом естественного отбора. В сфере кредитования это имеет такой вид: существует набор классификационных моделей, которые подлежат «мутации», «скрещиваются», и в результате отбирается «сильнейшая», то есть модель, которая дает наиболее точную классификацию.

При использовании метода ближайших соседей выбирается единица измерения для определения расстояния между клиентами. Каждый клиент классифицируется исходя из того, каких клиентов - плохих или красивых - больше вокруг него.

На практике используется комбинация нескольких методов, и компании сохраняют свои скоринговые модели в наиболее суровом секрете, поэтому сложно сказать, какой метод лучший. Можно только строить приблизительные заключения, грунтуючись на научных публикациях.

У каждого из методов есть свои преимущества и недостатки, кроме того, выбор того ли другого метода связанный с стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей. Регрессивные методы показывают значемости каждой характеристики для определения уровня риска, и потому в особенности важные на этапе разработки анкеты, которые заполняют клиенты. Линейное программирование может оперировать большим количеством сменных и моделировать определенные условия: например, если маркетинговая стратегия банка направленное на молодежь, можно поставить условие, чтобы интегральный показатель молодых людей был высшим, чем тех, ком за 60. Нейронные сети и дерева классификации проявляют нелинейные связи между сменными, которые могут послужить причиной ошибки в линейных моделях.

Точность классификации проверяется или методом «скользящего испытания» для небольших выборок (модель строится на всей выборке за исключением одного клиента, избранного наугад, потом проверяется на этом клиенте, и так перебираются все клиенты), или при довольно большой выборке она подразделяется на две части: одна модель строится, на другой -проверяется.

Но в скорингу существует две основных проблемы. Первая состоит в том, что классификация выборки проводится только на клиентах, которым предоставили кредит. Неизвестно, как бы повели себя клиенты, которым в кредите было отказано: возможно, часть из них оказались бы целиком приемлемыми заемщиками.

Но, как правило, отказ в кредите происходит на серьезных основаниях. Банки фиксируют причины отказа и сохраняют информацию о те, ком отказан. Это разрешает им восстанавливать первичную популяцию клиентов, которые обращались за кредитом[14].

Вторая проблема состоит в том, что с течением времени изменяются люди и социально-экономические условия, которые влияют на их поведение. Поэтому скоринговые модели необходимо разрабатывать на выборке из новых клиентов, периодически проверять качество работы системы и, когда она ухудшается, разрабатывать новую модель. На Западе новая модель разрабатывается в средний раз в полтора года, период между заменой модели может варьироваться в зависимости от того, насколько стабильной была экономика в настоящее время.

Сегодня исследуют, как внедрять социально-экономические характеристики в модель для того, чтобы она дольше служила.

ЗАКЛЮЧЕНИЕ

Кредитная политика банка должна обязательно учитывать возможность кредитных рисков, предварять их появление и грамотно управлять ими, то есть сводить к минимуму возможные негативные последствия кредитных операций. В то же время, чем ниже уровень риска, тем, естественно, меньше может оказаться прибыль банка, так как большую прибыль банк обычно получает по операциям с высокой степенью риска. Таким образом, основной целью банка является нахождение “золотой середины”, т.е. оптимального соотношения между степенью риска и доходностью по кредитным операциям при помощи грамотного управления кредитным риском, что реализуется посредством общения и анализа основных способов управления кредитным риском, разработку практических мероприятий по снижению риска неплатежа по ссудам.

Проблема неплатежей в стране во многом связана с недооценкой моментов кредитных рисков, с нецивилизованным подходом банков в начале развития рыночных отношений к своей кредитной политике. При рассмотрении экономического положения потенциального заемщика важны буквально все моменты, иначе банк может понести огромные потери. Кредитным отделам банка необходимо постоянно учитывать, анализировать зарубежный и все возрастающий российский опыт.

Стремясь повысить экономическую эффективность и улучшить механизм распределения ресурсов, правительство предпринимает шаги в направлении создания в экономике атмосферы открытости, конкуренции и рыночной дисциплины. Принципы прямого государственного управления банковской системой также должны измениться. В большинстве стран государство должно создать правовую, регулятивную и политическую среду для надежного банковского дела.