Хабрахабр

Считаем деньги. Выбор метрики в кредитном скоринге

Когда у вас есть какая-то система принятия решений по заемщику и нужно ее улучшить, то классическая постановка задачи в этом случае обычно звучит так. «Снизить просрочку, не уменьшив уровень одобрения». Либо: «Повысить уровень одобрения, не увеличив просрочку». Именно в такой постановке презентуют свои решения вендоры, предоставляющие скоринговый бал. Такую же формулировку можно услышать на конференциях по скорингу, где презентуют свои достижения инхаус разработчики.  К сожалению, никто подробно не раскрывает, что именно понимается под терминами просрочка и уровень одобрения.

Успешный результат работы презентуют так:


Разберемся в терминах. 

Просрочка — количество невозвращенных кредитов, поделенное на количество выданных кредитов.

Уровень одобрения — количество одобренных заявок на кредит, поделенное на количество поступивших заявок.

Возможна ли ситуация, когда при решенной задаче в такой постановке, просрочка в денежном выражении стала выше? 

Ответ

Возможна!

Качество скоринга может различаться на больших и малых суммах. Заявки на большие суммы модель скорит хуже, чем заявки на маленькие суммы. Такой кейс реально может встретиться в жизни. Подробно был разобран в статье

В такой ситуации, просрочка в деньгах может оказаться хуже. 

И провели анализ качества модели в разных срезах. Допустим, мы не совсем тупые, и сразу построили график просрочки как штуках, так и деньгах. А модель одинаково хорошо скорит заявки на большие и на маленькие суммы. И получили вывод, что просрочка снизилась и в штуках, и в деньгах. Также увидели на графиках доходности улучшение.

В финансовых отчетах строят это значение по календарной когорте клиентов. Доходность — денежная сумма всех платежей, поделенная на выданную сумму кредита, минус 100%. Вот так выглядит график доходности в динамике.  Календарная когорта — группа клиентов, получивших кредит в одном месяце.

Видим, что на 90-й день после выдачи займа, апрельская когорта обгоняет  мартовскую. По оси Х — количество дней с момента выдачи займа. Премия уже у нас в кармане. Просрочка снизилась, доходность выросла. Говорим: «Здравствуйте, я за премией!»  Идем в кабинет к начальству.

Может ли быть так, что уровень одобрения не изменился, просрочка снизилась, доходность выросла, а денег мы зарабатываем меньше?

Ответ

Может!

Непосредственно сам скор и его сравнение с порогом отсечения не является конечным решением о выдаче кредита. Конечное решение включает в себя определение суммы кредита, которую можно выдать. Одобрить можно меньшую сумму, чем запросил клиент. Или большую. В этом случае уровень одобрения уже нельзя трактовать так однозначно, как мы это делали ранее. Теперь уровень одобрения может быть представлен в денежном выражении. И к уровню одобрения в штуках добавляется понятие средний чек. Нарисуем уровень одобрения в денежном выражении. Это отношение одобренной суммы на кредит к запрошенной денежной сумме в заявке.

Но и с помощью метода определения суммы кредита. На практике можно управлять уровнем просрочки не только с помощью скора. Мы проводили исследования того, как влияет резка суммы на невозврат для клиентов с одинаковым уровнем риска, одинаковым скором. Это очень мощный инструмент. Ниже график зависимости уровня дефолта от скора для одной и той же модели. 

Справа — сумма резалась в зависимости от скора. Слева — одобрялась желаемая сумма. Но преобразование скора в конечное решение — определение суммы кредита, которую можно одобрить, производилось по-разному. Еще раз отметим — на графиках справа и слева одна и та же модель, один и тот же скор. Этот трюк позволяет вам прийти в компанию, которая борется над уменьшением уровня просрочки, за 5 мин написать таблицу соответствия скора и одобренной суммы и вы получите снижение просрочки в тот же день.

Уровень одобрения в штуках повысился. Замоделируем ситуацию, когда модель одинаково хорошо скорит заявки на большие и на маленькие суммы. Уровень просрочки в штуках не увеличился. Уровень одобрения в деньгах повысился. Может ли быть теперь такая ситуация, когда мы все равно зарабатываем меньше?  Уровень просрочки в деньгах не увеличился.

Ответ

Может!

Уровень одобрения — не то же самое, что и уровень выдач. Когда мы одобряем клиенту кредит, не факт, что он им воспользуется. Когда мы значительно режем сумму хорошим клиентам, они отказываются от одобренного кредита и обращаются в другое место, где им одобрят желаемую сумму сразу. Возникает отток клиента. А у нас добавляется еще два показателя — забираемость и уровень выдач. 

Уровень выдач — количество выданных кредитов поделенное на количество поступивших заявок (аналогично можно в денежном выражении выразить).  Забираемость — это процент выданных кредитов среди одобренных.

С одинакового количества поступивших заявок будет выдаваться меньше денег. Высокий уровень одобрения в тандеме с жесткой политикой определения суммы кредита может дать эффект низкой конверсии заявок в выдачу. Однако процент просрочки и уровень одобрения будут выглядеть лучше, чем  предыдущая версия системы. 

Но понять сколько мы зарабатываем мы все равно не можем. Допустим у нас улучшились все перечисленные показатели. Эта величина отражена в процентах. Доходность показывает как выплаченные кредиты перекрывают невозращенные кредиты. Но процент от миллиона и процент от 10 копеек — это разные проценты.

Имеем много различных графиков и показателей, но не можем сказать сколько мы зарабатываем, не можем сравнить модели в АБ-тесте, т.к. В итоге мы пришли к варианту, когда можем достаточно подробно мониторить показатели нашей системы принятия решений. И в итоге ответить на вопрос, лучше мы сделали или хуже по критерию «заработать больше денег». не можем выразить их качество одним числом.

У нас есть 4 показателя, которые исчерпывающе описывают нашу систему. Попробуем выразить эффективность системы принятия решения одним числом и сравнить две системы. Напомню, как выглядит снижение размерности показателей:

шаг 1

  • доходность 
  • уровень одобрения в штуках
  • средний чек
  • забираемость

шаг 2

  • доходность 
  • уровень одобрения в деньгах = (уровень одобрения в штуках * средний чек)
  • забираемость

шаг 3

  • доходность 
  • уровень выдач в деньгах = (уровень одобрения в штуках * средний чек * забираемость)

Таким образом всего осталось 2 показателя. Нам же нужен какой-то один интегральный показатель, который позволит без труда выбрать нужную модель. Есть ли такой показатель?

Ответ

— «Доход с заявки» Есть!

Это сумма всех платежей с процентами минус выданная сумма, поделить на количество поступивших заявок. Такой интегральный показатель включает в себя средний чек, уровень одобрения в штуках, собираемость в процентах и конверсию одобрения заявки в выдачу. Задача решена. Смотрим на этот показатель, видим, что он улучшился, идем за премией.

Может ли теперь быть такая ситуация, когда модель с большим доходом с заявки приносит меньше денег?

Ответ

Может!

Мы рассматриваем деньги и доходность в разрезе первой заявки клиента и его первого кредита. И руководствуемся принципом сиюминутной маржинальности. Однако, если выстраивать с клиентом долгосрочные отношения можно зарабатывать не только с первой выдачи кредита этому клиенту, но и с его последующих обращений. Существует такое понятие как конверсия нового клиента в повторного и LTV (life-time-value). И может получиться так, что лучшая модель по критерию доход с заявки может оказаться хуже в долгосрочной перспективе, т.к. будет отметать много клиентов с высоким LTV. Т.е. в разрезе одной заявки можно получить такую когорту клиентов (клиентом с одинаковым скором/уровнем риска), у которых доходность с заявки вообще отрицательная. Отрицательная! Но если понаблюдать за этими клиентами в течение 6 месяцев, можно увидеть, что они окупают отрицательную доходность своей когорты уже на второй-третьей выдаче. С такой ситуацией мы тоже сталкивались на практике.

Таким образом доходность можно отразить не в разрезе первого займа, а по всем займам когорты клиентов в течение 6 мес.

У нас возникает такое понятие как срок окупаемости, который на графике обозначен красной линией 3 мес. Видно, что выдачи по когорте могут окупаться через 3 мес, не смотря на то, что первый займ убыточный с доходностью -30%.

На практике выдавать займы с отрицательной доходностью на первой выдаче можно. Мы можем оперировать отрицательной доходностью с заявки и окупаемостью в течение некоторого количества времени 6-12 мес. Теперь критерием выбора становится показатель — максимальная доходность с когорты в течение 6 мес. При такой стратегии выбор модели с большей доходностью с заявки не является оптимальным. Выбор модели с меньшей доходностью с заявки, но большим LTV практически невозможен по причине долгого времени проведения теста. Оптимальной становится модель, дающая больший суммарный LTV внутри когорты в течение 6 мес. Однако для этого у нее должен быть больший уровень одобрений в штуках. Мы можем пустить небольшую часть трафика на худшую модель в надежде увидеть больший LTV через полгода-год. Плюс если через полгода-год выяснится, что LTV нам важнее и мы хотим переключить весь трафик на лучшую по LTV модель, необходимо, чтобы качество модели было устойчивым во времени и модель не «протухла» к этому времени. Должна быть обеспечена маршрутизация клиентов участвующих в АБ-тесте на эту модель. В таких динамичных внешних и внутренних условиях — внутренняя разработка, новые продукты, новые модели, изменения законодательства, LTV становится просто отчетностью для справки. Однако, за год можно успеть сильно прокачать модель по доходности с заявки, не беспокоясь о LTV. Мы не можем его использовать как показатель для выбора наилучшей модели. 

Которые включают в себя обслуживание сбора задолженности и стоимости привлечения трафика. Справедливости ради, стоит добавить, что в этой схеме не учитываются расходы. Эти параметры могут зависеть от уровня просрочки, уровня одобрения, конверсии нового клиента в повторного, и среднего чека.

Дмитрий Горелов
telegram: datasanta

Показать больше

Похожие публикации

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Кнопка «Наверх»