Mail.Ru Group продаст банкам систему оценки заёмщиков Статьи редакции
Холдинг Mail.Ru Group и бюро кредитных историй (БКИ) «Эквифакс» выпустили систему оценки кредитных рисков для российских банков, пишет «Коммерсантъ». Этот сервис холдинга стал первым продуктом направления Big Data, запущенного в январе 2016 года.
Партнёры создали модель оценки кредитных рисков, которая использует методы машинного обучения. В частности, эта система позволит выявлять «качественных» заёмщиков среди людей, которые ранее получали отказы в кредитах — сейчас банки «очень настороженно» относятся к такому сегменту, говорят в Mail.Ru Group.
«Применение такого продукта в среднесрочной перспективе может привести к снижению процентных ставок за счет контроля над одной из основных составляющих — стоимостью риска», — считают в компании. Предполагается, что пользователи такой системы получат «десятикратную экономию на рисках».
Mail.Ru Group не раскрывает стоимость услуги и своих первых клиентов. В разговоре с «Коммерсантом» глава отраслевых проектов управления сервисов ГК Softline Дмитрий Новиков предположил, что холдинг может продавать такой проект как в виде настроенной под заказчика платформы, так и по сервисной модели с оплатой за количество обработанных заявок.
В январе 2016 года Mail.Ru Group выделила в отдельное направление с Big Data («большими данными») своих клиентов. В компании тогда говорили, что собираются заниматься предиктивными математическими моделями, проведением маркетинговых исследований, консалтингом в области развития инфраструктуры и методологии работы с «большими данными».
Кажется, мне все таки дадут кредитную карту.
Побольше фоток из серии: Я в своем роскошном доме (345 кв.м. 6 спален, 3 ванных комнаты, тихий центр Лозанны). Несколько постов на тему: посоны, где подороже поменять масло на мазератти, или - помогите найти толковую контору по чистке бассейнов с морской водой. Пара точных ударов в челюсть искусственному интеллекту и кредитка в кармане.
мелоковато
"Применение такого продукта в среднесрочной перспективе может привести к снижению процентных ставок"
Это что-то новое в экономической теории) Мне всегда казалось, что ставки зависят от стоимости фондирования банка. Будь ты хоть самый первоклассный заемщик.
Ставка зависит не только от фондирования. От риска тоже. И очень сильно. На пальцах: если меньше народу не вернёт долги, то меньше расходов на всякий сбор и другие заморочки - следствие цена кредита меньше - ставка вниз
Если Банк берет пассивы под 9-10 % годовых, то никак он не будет отдавать деньги народу под 10-12 %. Плюс на финансовом рынке невозможно просчитать глобальные риски для отрасли. Это научная фантастика. Если бы риски можно было просчитать, то банки бы на финансовых рынках не теряли десятки млрд $ в кризис. О нейронных сетях, в частности, на фондовом рынке я слышал уже году в 2009 от сотрудников Управления активами БКС. Здесь же вообще идет речь об обычном кредитовые. Для того, чтобы снизить риски, нужно перелопачивать гигантские массивы данных финансовых операций клиента. Учитывая, что в нашей стране огромное кол-во транзакций до сих пор делает наличкой, то это физически сделать невозможно. Даже не представляю, что они будут закладывать в качестве исходных параметров в эту систему.
Фондирование, расходы, маржа, риски.... Вы почитайте на досуге
Ну приведите мне пример того, на что может обратить внимание нейросеть в кредитных свойствах клиента, что позволит снизить ставку с 20-25 % до 12-15? Даже если банк подключить ко всем статистическим данным гражданина, то это все равно не опустит ставку на более или менее приемлемый уровень. Тут разве что можно сэкономить на зарплате кредитного отдела и не более того.
а потом порассуждайте о нейронных сетях.
Антон, удивительно, но банку важны ровно таки те транзакции, которые делаются кредитной картой. И вот их как раз довольно успешно отслеживают.
А если говорить про цифры, то к фондированию 9-10% кредитные риски добавляю ещё порядка 3-5%. И это немало.
Важно, что, даже когда средний уровень риска по кредитному портфелю невозможно предсказать (ожидали 5%, а случился кризис и стало 10%), с использованием моделек всё равно есть возможность ранжировать заёмщиков - говорить "Вася вдвое более благонадёжен чем Петя" с достаточной долей уверенности, чтобы было полезно. И для принятия решения банку этого почти достаточно.
Наши банки берут пассивы под 9-10, а отдают под 20-25 в лучшем случае в среднем. Все что вы говорите о снижении риска - это вода. Приведите мне пример того, что может нейросеть, чего не может кредитный отдел? Какой риск она может просчитать и на основании чего, если до 1/3 росэкономики - это тень. Чел может быть безработным, иметь офшор, записанный на фиг знает кого, на который зарегистрировано большая часть имущества или, наоборот, после заключения кредитного договора продать часть имущества, а потом у него наступит форс-мажор. Форс-мажор нейросеть не может просчитать, она не может просчитать курс $, баррель нефти и риски макроэкономики, инфляцию и т.д. А именно это по большей части закладывается банками в ставку, что ситуация у нас нестабильная и может поменяться в считанные месяцы.
Антон, нейросеть (или любая другая модель) может ровно то же, что кредитный отдел, просто она заметно дешевле в использовании, чем ручные специалисты (по крайней мере, если крафтить её самостоятельно).
Естественно, никто не может точно сказать, не зная человека, есть ли у него оффшор. Но почему-то мир так устроен, что вероятность этого можно предсказать с той или иной степенью точности. В идеале хотелось бы иметь предсказанную вероятность дефолта 0% для 80% людей и 100% для 20% заёмщиков, и ровно этим 20% отказывать в кредите. На практике эти две группы перемешаны, и среди одобренных заявок на самом деле 5% плохих, а среди отказанных, скажем, 70% хороших. И банки тратят кучу денег, платя, например, кредитным бюро, чтобы получить новые данные и немножко увеличить точность разделения "хороших" и "плохих".
Если говорить про конкретные данные, которыми mail.ru владеет, и которые могли бы помочь в разделении, то это в первую очередь соцсети. У хороших людей обычно много хороших друзей, это факт. Мошенники часто имеют фейковые странички, это тоже факт. Остаётся чисто технический вопрос, как эти факты измерить, и он решаем. По крайней мере, там, где я работаю (частный банк, кредитные карты), данные со странички пользователя используются вполне результативно.
А вы точно уверены, что она дешевле, учитывая затраты на оборудование и софт для обработки данных, а так же для поддержания ее в рабочем состоянии?
Я не слишком понимаю при чем тут бюро кредитных историй и нейросеть? Вы в любом случае будете платить бюро кредитных историй за базу данных о просрочках, выплатах кредитов и т.д. Этой инфы никогда не будет легально в открытом доступе, потому что это нарушает конституционные права. Единственное, что может сэкономить нейросеть в данном случае, это сократить время на обработку этих данных исходя из заложенных параметров. Но это опять-таки никак не повлияет на степень надежности клиента.
Наличие активных страниц в соцмедиа тоже ничего не говорит о человеке с точки зрения платежеспособности.Это все равно что оценивать внешность человека, пропущенного через фильтр фото-приложения. Выдавать кредит человеку только на том основании, что у него в друзьях есть платежеспособные друзья - это край дурости. С них же ты все равно ничего не спросишь, как с поручителя.
Из вашего примера никаким образом не выходит, что стоимость кредита будет как-то значительно уменьшена, кроме того, что удастся сэкономить кол-во трудочасов кредитных менеджеров. Но в стоимости кредита это далеко не основной пункт.
определять качество заемщиков по постам одноклассников и количеству спама в mail.ru? нуну...
Количество спама легко решается настройкой спам-фильтров. Если бы все было так, то я бы был самым богатым челом уже. Но система немного сложнее.
Валер, ни один самый умный спам фильтр не может победить самого тупого спамера даже с 1 классом образования.