СКОРИНГОВАЯ СИСТЕМА ОЦЕНКИ КРЕЛИТОСПОСОБНОСТИ ЗАЕМЩИКА КАК ОСНОВА АЛГОРИТМИЗАЦИИ УПРАВЛЕНИЯ КРЕДИТНЫМ РИСКОМ НА МЕЗО УРОВНЕ

Устойчивое социально-экономическое развитие Казахстана зависит от качества банковской системы и современных информационных технологий. В управлении кредитными рисками развиты скоринговые модели для экспресс кредитования, которые также предназначены для структуризации больших массивов данных, скоринговые модели являются конструкцией для машинного обучения и разработки предиктивных моделей анализа. Они позволяют значительно повысить эффективность отбора объектов кредитования и снизить процентные ставки, за счет снижения удельного веса кредитов плохого качества, сомнительных или безнадежных к возврату ссуд. А также исключить субъективные оценки и ошибки в принятии решений, конечно при этом нужно оставлять место для корректировки оценки службой безопасности, которая имеет доступ к базам данных ограниченного пользования.На первом этапе необходимо собрать сведения о потенциальном заемщике общего характера. На втором этапе банк изучает сведения о занятости потенциального заемщика Третий этап оценки кредитоспособности заемщика–физического лица–это проверка его кредитной истории На четвертом этапе оценки кредитоспособноти заемщика–физического лица оцениваются его активы и обязательства На пятом этапе в Банк кредитор необходимо предоставить потенциальному заемщику справку о доходах за последние шесть месяцев, Шестой этап оценки кредитоспособности заемщика–физического лица–оценка имеющегося у него имущества На шестом этапе Банк кредитор изучает сведения о приобретаемом за счет запрашиваемого кредита имуществе На седьмом этапе оценки кредитоспособности физического лица изучаются сведения о поручителе. На восьмом этапе оценки кредитоспособности клиента рассматриваются дополнительные негативные сведения о потенциальном заемщике. По результатам оценки кредитоспособности клиента в зависимости от набранных баллов кредит попадает в одну из категорий качества. Описанные этапы создают базу для роботизации определения лимита кредитования.

Sustainable socio-economic development of Kazakhstan depends on the quality of the banking system and modern information technologies. In credit risk management developed scoring models for Express lending, which are also designed to structure large amounts of data, scoring models are a design for machine learning and the development of predictive models of analysis. They can significantly improve the efficiency of the selection of lending facilities and reduce interest rates by reducing the proportion of loans of poor quality, doubtful or non-repayable loans. And also to exclude subjective assessments and errors in decision-making, of course, it is necessary to leave room for adjusting the assessment by the security service, which has access to databases of limited use. At the first stage, it is necessary to collect information about the potential borrower of a General nature. At the second stage, the Bank examines information on the employment of a potential borrower the Third stage of assessing the creditworthiness of the borroweran individualis checking his credit history at the fourth stage of assessing the creditworthiness of the borrower-an individual assessed his assets and liabilities at the fifth stage the Bank the lender must provide a potential borrower a certificate of income for the last six months, the Sixth stage of assessing the creditworthiness of the borrower-an individual – evaluation of existing property On the sixth stage, the Bank, the lender studies the information acquired at the expense of the loan requested property On the seventh stage of assessing the creditworthiness of individuals studied information about the guarantor. At the eighth stage of assessing the creditworthiness of the client, additional negative information about the potential borrower is considered. According to the results of the credit assessment of the client, depending on the points scored, the credit falls into one of the quality categories. The described steps create the basis for the robotization of the credit limit determination