Технологии анализа данных (data science) и машинного обучения, уже привычные в розничном кредитовании, крайне мало используются в кредитовании юридических лиц. Одна из основных причин — сложный процесс оценки рисков для корпоративных заемщиков.
Если физическое лицо берет кредит, то источниками погашения выступают его доходы — таким образом, банк анализирует риски, связанные с деятельностью человека.
При кредитовании компании источниками погашения выступают потоки, генерируемые ее бизнесом — а его благополучие зависит от целого ряда факторов. Поэтому анализу подвергается:
- структура собственности;
- качество менеджмента;
- влияние и тенденции госрегулирования;
- финансовое положение компании;
- состояние рынка и отрасли;
- прогнозируемая доходность и множество других параметров.
Кроме риска заемщика есть еще риск структуры сделки: например, выдача инвестиционного кредита на десять лет совсем не то же самое, что кредита на оборотные цели сроком на год. Чем больше срок, тем длиннее горизонт планирования, значит, и риск выше. Поэтому чем рискованнее сделка, тем глубже ее анализ и тем больше факторов он учитывает.
Риск-менеджер определяет зоны и вероятность риска, а также степень его влияния на бизнес. Чтобы достичь максимального баланса между безопасностью для банка и соблюдением интересов клиента, риск-менеджер анализирует каждую сделку отдельно, и во многих случаях его экспертиза играет решающую роль.
У нас в банке много наработок по использованию технологий машинного обучения. Поэтому нам стало интересно, сможем ли мы использовать их в оценке корпоративных рисков — не заменяя людей, но помогая им.
