«Використання даних про населення допоможе знизити ризики кредитування на 7-20%»

Модель, яка оцінює кредитоспроможність позичальника на основі даних про населення, перевірена фінансовими компаніями та банками, може знизити ризики кредитування до 20%.

Цю інформацію надав полковник Ву Ван Тан, заступник директора Департаменту адміністративної поліції соціального порядку ( Міністерство громадської безпеки , C06), на семінарі з питань застосування даних про населення для оцінки кредитоспроможності клієнтів, який відбувся вдень 7 серпня.

За словами пана Тана, ця модель побудована відповідно до стандартів FICO (провідної компанії з розробки моделі оцінки кредитоспроможності клієнтів, що застосовується у понад 30 країнах) США та наразі в основному доповнена 18 полями інформації про житло.

Банківсько-фінансова компанія MB (MCredit) протестувала 10 000 даних громадян, PVcombank – 20 000 даних, Datanest – 60 000 даних. Результати показали, що коефіцієнт ризику при кредитуванні капіталу банків та кредитних установ знизився на 7-20%.

«Після тестування всі банки хочуть офіційно впровадити його у свої процеси», – сказав полковник Ву Ван Тан.

Проєкт Міністерства громадської безпеки щодо застосування даних про населення для оцінки кредитоспроможності позичальників може допомогти кредитним установам знизити ризики під час кредитування. Фото: Giang Huy — Проєкт Міністерства громадської безпеки щодо застосування даних про населення для оцінки кредитоспроможності позичальників може допомогти кредитним установам знизити ризики під час кредитування. Фото: *Giang Huy*

Поєднання банківської галузі та Міністерства громадської безпеки у використанні даних принесло багато переваг, таких як автентифікація та синхронізація управління персональними ідентифікаційними кодами з кредитною інформацією 41 мільйона клієнтів, впровадження чипованих ідентифікаційних карток громадян для зняття грошей у банкоматах та використання електронних ідентифікаційних облікових записів для автентифікації.

За словами керівника Міністерства громадської безпеки, хоча й застосовуються сучасні технології, вони використовуються лише як інструмент, і їм бракує інформації та даних для підтримки банків у прийнятті рішень щодо кредитування. Позичання капіталу для виробництва та бізнесу все ще стикається з багатьма труднощами, що призводить до ситуації з чорним кредитуванням, що має наслідки.

За словами полковника Ву Ван Тана, є три основні причини: банки не мають бази для оцінки та визначення об'єктів кредитування; відсутня політика підтримки малозабезпечених верств населення та відсутній державний механізм управління для контролю за чорним кредитуванням.

Відповідно, C06 координував зі Школою інформаційних технологій Ханойського університету науки і технологій реалізацію проекту з оцінки кредитоспроможності позичальників на основі даних про населення, використовуючи технології машинного навчання та штучний інтелект відповідно до стандартів кредитної довідки FICO у США.

За словами заступника голови Державного банку Фам Тьєн Зунга, кредитний скоринг у В'єтнамі є дедалі поширенішим та популярнішим інструментом управління ризиками в банках. Для ефективної роботи моделі та прогнозування майбутньої спроможності погашення боргу важливу роль відіграє точність даних.

«Щоб мати джерело даних для оцінки кредитоспроможності, необхідно ділитися даними з альтернативних джерел, зокрема з національної бази даних населення», – сказав заступник губернатора.

Розширення джерел даних також є першим рішенням, згаданим паном Цао Ван Бінь, генеральним директором Національного центру кредитної інформації (CIC), для підвищення ефективності оцінки кредитоспроможності позичальників.

У CIC цю модель було побудовано у 2015 році. До 2019 року, через розширення охоплення, CIC створила модель CB 2.0 для оцінки кредитоспроможності окремих позичальників. Модель була завершена, а результати оцінки моделі стали доступними з квітня 2021 року.

За словами пана Бінь, зростання надання інформації CIC завжди сягає 15-20% на рік, що перевищує середнє зростання кредитування в економіці . Тільки за перші 6 місяців цього року CIC надала понад 31 мільйон інформаційних звітів усіх видів.

Однак для кожного банку оцінка кредитоспроможності клієнтів все ще вимагає додаткових критеріїв.

Представник BIDV зазначив, що модель кредитного рейтингу клієнтів використовує статистичні методи та встановлює принципи й параметри, але користувачам все одно доводиться самостійно збирати інформацію, активно шукати та перевіряти її. Однак, під час розгортання роздрібних кредитних продуктів на цифрових каналах, існуюча внутрішня система кредитного рейтингу стикається з багатьма обмеженнями в автоматичному зборі та перевірці інформації та наданні точних результатів.

«Перевірка та автентифікація джерел інформації третьою стороною, особливо компетентним державним органом, є надзвичайно важливою та значущою в діяльності банку з роздрібного кредитування, особливо з цифровими продуктами», – сказав представник BIDV.

Одним із рішень, що застосовується цим банком, є співпраця з Центром RAR – Міністерства громадської безпеки для реалізації проекту рейтингу клієнтів на основі ідентифікаційних даних громадян. На основі результатів тестової моделі BIDV заявив, що дослідить та запропонує застосування кредитного скорингу для деяких роздрібних кредитних продуктів.

Мінх Сон

Посилання на джерело