Смотрите на Кинопоиске с подпиской 
Условия: clck.ru/FMQND Условия: clck.ru/FMQND. 18+
Личный опыт
MagicScore

Моделирование: от старта бизнеса до накопления статистики

В этой статье разберемся в целесообразности применении скоринговых моделей, построенных на малом количестве данных на стартовом этапе до вызревания репрезентативной статистики.

Дженериковая модель

Многие кредитные организации при открытии своего бизнеса или при запуске нового продукта, принципиально отличающегося от продуктов уже действующих, совершенно оправданно используют дженериковые модели на старте. Такие модели содержат усредненные данные о платежеспособном заемщике, что может являться лишь отправной точкой в построении скоринга.
Это может быть или своя дженериковая модель, построенная экспертно, или модель от внешних контрагентов — поставщиков данных. Однако очевидно, что такие – вынужденная мера, по результату почти всегда значительно уступающая модели, построенной на собственной репрезентативной статистике.

Сроки накопления репрезентативной статистики для построения стабильной и качественной модели могут сильно варьироваться в зависимости от продукта и объёма выдач, но в любом случае это процесс небыстрый, приводящий к немалым финансовым потерям. Зачастую всё это время рисковые активности ограничиваются активностями портфельными, IT-настройками и настройками строгих правил отказа.

Применяете ли Вы дженериковые скоринговые карты в своем бизнесе?
Делаем свой скоринг даже на основе дженериковой карты.  Это все равно гораздо лучше, чем выдача кредитов наобум.
Заказываем разработку моделей в профильных компаниях с достаточной экспертизой для обеспечения приемлемой для старта точности.
Нет, применяем "ручной" андеррайтинг до тех пор, пока не накопим достаточного количества данных.
Показать результаты
Переголосовать
Проголосовать

Модели на малом наборе данных

Впрочем, есть компромиссный выход: построение моделей на малом наборе данных до момента вызревания репрезентативной статистики.
Как показывает практика, во многих случаях такие мини-модели дают значительно лучший результат, чем дженериковые модели. Для примера возьмём микрофинансовую организацию, которая только начинает свой бизнес. Предположим, что для накопления достаточной статистики ей потребуется 6 месяцев, за которые смогут «созреть» около 5000 выдач и около 1500 дефолтов. Однако уже через 2 месяца в распоряжении компании будет около 1000 «созревших» выдач и около 300 дефолтов. На этой статистике можно построить мини-модель из 3-4 переменных, которая вполне может оказаться сильнее дженериковой модели даже с учётом возможного небольшого переобучения (overfitting) из-за нехватки статистики.
На практике в подобных ситуациях удавалось построить мини-модель, которая после внедрения показывала результат 40 Gini против 20 Gini у дженериковой модели (коэффициент Gini в данном случае характеризует предсказательную спозобность модели). Через пару месяцев модель можно перестроить на большем наборе данных, а по прошествии 6 месяцев построить полноценную итоговую модель на длительное время.

ROC-кривая в зависимости от значения индекса Gini

В приведённом примере все эти меры могут значительно улучшить финансовый результат в первые 6 месяцев жизни компании.

Вместо заключения

Большое спасибо за внимание к статье. Разумеется, описанный подход не является панацеей для всех кредитных организаций, кредитные продукты могут сильно отличаться друг от друга, процент одобрения в зависимости от лимитной политики может варьироваться от варианта «выдаём почти всем» до «не выдаём почти никому», а на разных кредитных рынках (мы сейчас рассуждаем не только о России) присутствуют разные источники данных.
Речь о том, что подобные промежуточные решения в условиях нехватки данных могут значительно улучшить результат на старте.

Если статья показалась вам полезной, не забудьте поставить лайк и подписаться на наш блог, чтобы отслеживать появление нового материала.😉Будем благодарны за ваше мнение по теме в комментариях под статьей.

Для получения подробного описания сервисов компании MagicScore, пожалуйста, пишите в ЛС или оставляйте заявки на нашем сайте.

0
2 комментария
Nikolay Kenig

Вы про это?

Ответить
Развернуть ветку
MagicScore
Автор

Николай, добрый день!
Нет, мы про скоринг клиентов финансовых организаций. 
Видео совершенно не об этом.

Ответить
Развернуть ветку
Читать все 2 комментария
null