— разработка и, прежде всего, последующая корректировка (тонкая
настройка) скор-карт на основе постоянно пополняемого статистиче-
ского материала о заемщиках;
— оптимизация процесса принятия решения о выдаче кредита с
точки зрения минимизации потерь, вызванных кредитованием “пло-
хих” заемщиков и отказом в кредитах “хорошим” заемщикам;
— выбор и эффективное использование индикаторов для оператив-
ной оценки изменения рискового состояния банка на рынке потреби-
тельского кредитования.
Все перечисленные задачи взаимосвязаны, и их решение исключи-
тельно важно для организации риск-менеджмента в банках, осуще-
ствляющих потребительское кредитование. В рамках настоящей ста-
тьи рассмотрены подходы к оптимизации функции решения, принятой
банком при выдаче потребительского кредита, а также выбраны основ-
ные критерии для корректировки скор-карт.
Для нахождения оптимальной функции решения при выдаче потре-
бительских кредитов (с точки зрения минимизации потерь, вызванных
кредитованием “плохих” заемщиков и отказом в кредитах “хорошим”
заемщикам) применены методы проверки статистических гипотез. Та-
кие методы широко используются, в частности, в статистической ра-
диотехнике и радиолокации при обнаружении и измерении сигналов
[2–4]. В настоящей статье использованы критерии минимума средне-
го риска, максимального правдоподобия, Неймана–Пирсона и весовой
критерий.
Пусть в кредитное подразделение банка поступает информация о
потенциальных заемщиках в виде последовательности
X
их числовых
характеристик. При этом
X
i
— числовая характеристика
i
-го заемщика.
Как отмечалось ранее, данная характеристика формируется по алго-
ритму, принятому банком, на основе заполненной клиентом анкеты
и является случайной величиной. Предполагается, что эта случайная
величина принадлежит одному из двух распределений с условными
плотностями вероятностей
ϕ
(
X
|
S
0
)
и
ϕ
(
X
|
S
1
)
, связанных с взаимоис-
ключающими состояниями (событиями)
S
0
и
S
1
:
— событие
S
0
состоит в том, что заемщик вернет долг (“хороший”
заемщик);
— событие
S
1
состоит в том, что заемщик не вернет долг (“плохой”
заемщик).
Таким образом,
ϕ
(
X
|
S
0
)
— плотность вероятности значений харак-
теристик при условии, что заемщик “хороший”, а
ϕ
(
X
|
S
1
)
— плот-
ность вероятности значений характеристик при условии, что заемщик
“плохой”.
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. “Естественные науки”. 2006. № 1
109
