Assegnazione del punteggio di affidabilità creditizia: Il processo di sviluppo completo

Blog

Inserito

14 set 2017

Categoria

Scienza dei dati

Condividi

Di: Natasha Mashanovich, Senior Data Scientist presso World Programming, Regno Unito

Parte 1: Perché si calcola il credit scoring?

Ragioni

“Compra ora, paga dopo” è un'offerta allettante proposta da molte aziende finanziarie e commerciali al dettaglio per aumentare la propria clientela. Tuttavia, entrambe le parti devono essere consapevoli dei rischi durante l'assunzione di tale decisione creditizia. È importante sia per il prestatore che per il cliente che i clienti potranno rispettare l'obbligo di credito e il rimborso di quanto dovuto all'acquisto, entro la fine della durata del prestito. I finanziatori devono essere in grado di valutare il rischio di insolvenza per ogni cliente, in modo da poter decidere a chi concedere l'offerta.

Cos'è un credit score?

I progressi tecnologici hanno permesso ai finanziatori di ridurre il rischio creditizio facendo uso di una varietà di dati sui clienti. Utilizzando le tecniche di apprendimento automatico e statistico, i dati disponibili vengono analizzati e ridotti ad un unico valore, noto come credit score (punteggio che determina l'affidabilità del cliente), che rappresenta il rischio creditizio. Tale valore può contribuire a guidare il processo decisionale. Maggiore è il credit score e più sicuro è il prestatore sull'affidabilità creditizia del cliente. Il credit scoring è una forma di Intelligenza Artificiale, basata sulla costruzione di modelli previsionali, che valuta la probabilità che un cliente sia insolvente ad un obbligo creditizio, diventando inadempiente o insolvente. Il modello previsionale "impara" utilizzando i dati storici di un cliente insieme ai dati del gruppo di confronto e altri dati per prevedere la probabilità che il cliente visualizzi un comportamento definito in futuro.

Il maggior vantaggio del credit scoring è la capacità di assistere il processo decisionale in modo rapido ed efficiente, come ad esempio accettare o rifiutare un cliente o aumentare o diminuire il valore del prestito, il tasso di interesse o la durata. La velocità e la precisione risultanti di prendere tali decisioni hanno reso il credit scoring la base della gestione dei rischi in settori quali: banche, telecomunicazioni, assicurazioni e commercio al dettaglio.

Tipi di credit score e customer journey

È possibile utilizzare il credit scoring lungo l'intero customer journey, attraversando l'intera esperienza del cliente durante il periodo della relazione tra un cliente e un'organizzazione. Sebbene sia principalmente sviluppato per i reparti del rischio di credito, i reparti di marketing possono anche trarre vantaggio dalle tecniche del credit scoring nelle campagne di marketing (Figura 1).

Come è rappresentato nella Figura 1, i diversi credit score vengono utilizzati in fasi diverse del customer journey:

  • Application score valuta il rischio di insolvenza di nuovi richiedenti quando si prende la decisione di accettare o rifiutare il richiedente.
  • Behavioural score valuta il rischio di insolvenza associato a un cliente preesistente quando si prendono decisioni relative alla gestione dell'account come il limite di credito, la gestione del sovralimite, nuovi prodotti e simili.
  • Collections score viene utilizzato in strategie di recupero crediti per valutare la probabilità che i clienti in recupero crediti paghino il debito.

Figura 1. Credit score lungo il customer journey

Scorecard per il rischio di credito

Nel corso degli anni, si sono evolute varie tecniche di costruzione di modelli diverse per l'implementazione del credit scoring. Variano da algoritmi parametrici o non parametrici, statistici e di apprendimento automatico, supervisionati o non supervisionati. Le tecniche più recenti includono approcci altamente sofisticati che utilizzano centinaia o migliaia di modelli diversi, vari framework di convalida e tecniche di ensemble con algoritmi di apprendimento multipli per ottenere una migliore precisione.

Nonostante tale diversità, spicca una tecnica di costruzione di modelli: il modello Credit scorecard. Viene denominata di solito Scorecard standard, si basa sulla regressione logistica come modello alla base. Rispetto ad altre tecniche di costruzione di modelli, questo metodo soddisfa molti requisiti, rendendolo l'approccio privilegiato tra i professionisti, e viene utilizzato da quasi il 90% degli sviluppatori di scorecard. Un modello di scorecard è facile da costruire, comprendere e implementare, e ha una veloce esecuzione. Come ibrido di apprendimento statistico/automatico, la sua precisione di previsione è paragonabile ad altre tecniche più sofisticate e i suoi punteggi possono essere utilizzati direttamente dato che le stime di probabilità e quindi fornire l'input diretto per la determinazione dei prezzi basati sui rischi. Ciò è fondamentale per i prestatori che soddisfano il quadro normativo di Basilea II. Essendo molto intuitivo e facile da interpretare e giustificare, le scorecard vengono mandate dai regolatori come tecnica esclusiva di costruzione di modelli del rischio di credito in alcuni paesi.

Il risultato di un modello di scorecard comprende un insieme di attributi (caratteristiche del cliente) tipicamente visualizzati in forma tabulare (Figura 2). All'interno di un attributo, i punti ponderati (positivi o negativi) vengono assegnati ad ogni valore di attributo nell'intervallo e la somma di tali punti corrisponde al punteggio finale del credito.

Criteri della scorecardIntervalloPunti
EtàFino a 2510
Da 26 a 4025
Da 41 a 6538
66 e oltre43
RedditoFino a 20.000-10
Da 21.000 a 40.00016
Da 41.000 a 70.00028
71.000 e oltre45
Bureau scoreFino a 300-25
300 - 5000
500 - 65030
650 - 75050
750+70
Punteggio totaleSomma dei punti

Figura 2. Formato della scorecard standard