Скоринговые модели для заёмщиков на рынке жилья: от данных к решению

Когда банк принимает решение по ипотечной заявке, он по сути решает задачу бинарной классификации: будет дефолт или нет. Скоринговая модель переводит эту неопределённость в конкретную вероятность, опираясь на десятки признаков заёмщика. Логистическая регрессия — один из самых прозрачных инструментов для такой оценки. Она не просто выдаёт метку класса, а возвращает хорошо откалиброванную вероятность, которую можно напрямую использовать в правилах риск-менеджмента. В отличие от «чёрных ящиков», здесь каждый коэффициент имеет прямое экономическое истолкование: на сколько процентов меняются шансы дефолта при изменении того или иного фактора.

Что такое скоринговая модель и зачем она нужна в ипотеке

Скоринговая модель — это, по сути, функция, которая отображает вектор признаков заёмщика в число от 0 до 1 — вероятность того, что в течение заданного горизонта (например, 12 месяцев) наступит событие дефолта. Целевая переменная здесь бинарна: 1 — дефолт, 0 — обслуживание долга без серьёзных нарушений. Модель обучается на исторических данных, где исходы уже известны, и затем применяется к новым заявкам. В ипотечном кредитовании такой скоринг решает целый спектр задач:

• предварительный отбор заявок;
• оценка вероятности просрочки;
• расчёт лимита и условий кредита;
• сегментация клиентов по уровню риска;
• контроль портфеля после выдачи;
• оценка ожидаемых потерь (Expected Loss) при заданной вероятности дефолта и уровне потерь при дефолте (LGD).

На практике это означает, что банк или финтех не просто смотрит на доход и возраст, а сопоставляет десятки признаков: стабильность занятости, долговую нагрузку, кредитную историю, размер первоначального взноса, поведение по ранее выданным кредитам и даже косвенные признаки финансовой дисциплины. Такой подход позволяет ранжировать заявки не по интуиции, а по объективной мере риска.

Почему именно логистическая регрессия остаётся базовой моделью

Несмотря на обилие более мощных алгоритмов — градиентного бустинга, случайного леса, нейронных сетей — логистическая регрессия остаётся рабочей лошадкой кредитного скоринга. Причина не в консерватизме, а в математической прозрачности. Модель строит линейную комбинацию признаков, преобразуя её через сигмоидальную функцию в вероятность. Коэффициенты этой линейной комбинации напрямую интерпретируются как логарифмы отношения шансов (log odds). Например, если коэффициент при признаке «долговая нагрузка» равен 0.8, то увеличение долговой нагрузки на единицу повышает шансы дефолта в exp(0.8) ≈ 2.23 раза при прочих равных. Такая интерпретируемость критически важна для риск-менеджеров и регуляторов, которые должны понимать, почему модель принимает то или иное решение. Сложные ансамбли могут дать чуть более высокий AUC, но потеря прозрачности часто перевешивает этот выигрыш.

Простое объяснение без формул

Представьте, что вы пытаетесь предсказать не конкретную сумму, а сам факт наступления события. Логистическая регрессия делает это, сжимая любую линейную комбинацию факторов в диапазон от 0 до 1. На выходе получается не «заёмщик плохой», а «вероятность того, что он окажется плохим, равна 12%». Это даёт гибкость: можно установить порог, скажем, 15%, и автоматически одобрять заявки ниже этого уровня, а выше — отправлять на ручную проверку. Более того, модель позволяет сравнивать заёмщиков: один с вероятностью 7% явно предпочтительнее другого с 18%, даже если оба ниже порога отказа.

Где логистическая регрессия особенно полезна

• при первичном скоринге физлиц;
• в моделях вероятности дефолта;
• в ранжировании заявок;
• в построении скоринговых карт;
• в регуляторно чувствительных процессах, где важна прозрачность решения;
• когда требуется объяснить клиенту причины отказа или изменения условий.

Из каких данных строится скоринг заёмщика

Качество модели определяется качеством данных. Если в обучающей выборке много пропусков, ошибок или смещений, никакой алгоритм не вытянет адекватный скоринг. В ипотечном скоринге данные обычно собираются из нескольких источников: анкета заёмщика, кредитная история, информация от работодателя, транзакционная активность. Важно не просто собрать признаки, но и правильно их подготовить: обработать пропуски (через импутацию или отдельную категорию), выявить выбросы, закодировать категориальные переменные (one-hot encoding или weight of evidence). Для логистической регрессии критична линейная зависимость логарифма шансов от признаков, поэтому часто требуется преобразование переменных — логарифмирование дохода, биннинг возраста с монотонной трансформацией WoE.

В ипотеке особенно важны не только «сколько человек зарабатывает», но и «насколько этот доход устойчив», «какова доля платежа в доходе» и «есть ли запас прочности после ежемесячного взноса». Поэтому модель часто включает производные признаки: отношение ежемесячного платежа к подтверждённому доходу (PTI), отношение общей суммы обязательств к доходу (DTI), коэффициент ликвидности после вычета платежа.

Как модель превращает данные в решение

Вероятность дефолта сама по себе — лишь число. Чтобы она стала решением, нужен механизм перевода вероятности в конкретное действие: одобрить, отказать, изменить условия. Этот механизм опирается на пороговые значения, которые определяются бизнес-стратегией и аппетитом к риску. Например, если банк готов терпеть не более 5% дефолтов в портфеле, он может установить порог одобрения на уровне вероятности 8% (при условии, что модель хорошо откалибрована и распределение вероятностей соответствует реальной частоте дефолтов).

Типовая логика принятия решения

1. Собираются данные по заявке.
2. Проверяется качество и полнота информации; заявки с критическими пропусками или несоответствием минимальным требованиям отбраковываются.
3. Модель рассчитывает вероятность дефолта.
4. Вероятность переводится в скоринговый балл или риск-класс.
5. По заранее заданным порогам принимается решение: одобрить, отказать или отправить на ручную проверку.

Такой подход позволяет банку не работать «на глаз», а использовать единые правила для всех заявок, что особенно важно при больших объёмах ипотечного кредитования.

Пример интерпретации

• 0–5%: низкий риск, стандартное одобрение;
• 5–12%: умеренный риск, возможно ужесточение условий (повышенная ставка, требование поручителя);
• 12–20%: высокий риск, нужна ручная проверка кредитным аналитиком;
• выше 20%: вероятен отказ или одобрение только при предоставлении дополнительного обеспечения.

Пороги всегда зависят от стратегии банка, качества портфеля и текущей макроэкономической среды. В периоды экономической нестабильности пороги могут сдвигаться вниз, чтобы ограничить принятие риска.

Какие признаки реально влияют на ипотечный риск

На практике есть признаки, которые почти всегда оказываются значимыми. Значимость в логистической регрессии можно оценить по статистике Вальда или по изменению AUC при удалении признака. Но важнее не статистическая значимость, а экономический смысл и стабильность влияния во времени. Модель может включать взаимодействия: например, высокая долговая нагрузка в сочетании с маленьким первоначальным взносом даёт мультипликативный эффект, который не улавливается аддитивной моделью без соответствующих перекрёстных членов.

Сильные факторы риска

• высокая долговая нагрузка (DTI > 50%);
• частые просрочки в прошлом (более 30 дней за последние 12 месяцев);
• короткий стаж на текущем месте работы (менее 6 месяцев);
• нестабильный или неподтверждённый доход;
• маленький первоначальный взнос (менее 20%);
• слишком большой платёж относительно дохода (PTI > 40%);
• резкие скачки финансового поведения (например, рост расходов при стагнации доходов).

Сильные факторы устойчивости

• длительная кредитная история без серьёзных просрочек;
• стабильная занятость (более 3 лет на одном месте);
• понятный и подтверждённый доход (официальная зарплата, регулярные поступления);
• умеренная долговая нагрузка (DTI < 35%);
• достаточный первоначальный взнос (более 30%);
• наличие финансового резерва (сбережения, ликвидные активы).

Важно понимать: один признак редко решает всё. Модель смотрит на сочетание факторов. Высокий доход сам по себе не спасает, если у заёмщика уже есть много обязательств и слабая платёжная дисциплина.

Как оценивать качество скоринговой модели

Скоринг нельзя считать рабочим только потому, что он «что-то предсказывает». Важно проверить, насколько хорошо он различает надёжных и рискованных клиентов. Основная метрика для бинарной классификации — AUC-ROC, которая показывает вероятность того, что случайно выбранный дефолтный заёмщик получит более высокую оценку риска, чем случайно выбранный недефолтный. Gini = 2*AUC — 1. KS-статистика показывает максимальную разницу между кумулятивными функциями распределения хороших и плохих заёмщиков. Precision и Recall важны при несбалансированных классах (дефолтов обычно мало). Также стоит смотреть на калибровку вероятностей (график reliability diagram) — насколько предсказанная вероятность соответствует наблюдаемой частоте; для этого используют Brier score или expected calibration error.

Но метрика сама по себе ещё не даёт готового решения. Модель может быть статистически сильной и при этом плохо работать на новых данных, если рынок изменился.

Что обязательно проверять дополнительно

• устойчивость на новых периодах (out-of-time validation);
• чувствительность к изменению макроусловий (стресс-тестирование);
• долю пропусков и выбросов, их влияние на прогноз;
• смещение выборки (reject inference);
• стабильность коэффициентов (PSI, CSI);
• понятность интерпретации для бизнеса и риск-менеджмента;
• калибровку вероятностей на различных сегментах.

Типовые ошибки при построении скоринга

Даже хорошая идея легко ломается на этапе внедрения. Вот ошибки, которые встречаются чаще всего.

Ошибка 1. Плохие данные

Если в источниках много ошибок, дубликатов и пропусков, модель начинает учиться на шуме. Пропуски могут быть неслучайными (MNAR), и тогда простая импутация средним или медианой исказит распределение. Результат — красивые цифры на тесте и слабая работа в реальности.

Ошибка 2. Перенастройка под прошлое

Модель, слишком точно подогнанная под старую выборку, часто теряет качество после смены рыночных условий. Регуляризация (L1, L2) помогает бороться с переобучением, но не спасает от концептуального дрейфа. Это особенно заметно в ипотеке, где ставка, спрос и поведение заёмщиков могут быстро меняться.

Ошибка 3. Игнорирование смещения выборки

Если в обучении были только одобренные заявки, модель видит не весь рынок, а лишь его отфильтрованную часть. Это классическая проблема reject inference: модель обучается на усечённой выборке, и её применение ко всем входящим заявкам даёт смещённые оценки вероятности дефолта. Для коррекции используют методы дополнения выборки (parcelling, augmentation) или двухстадийные модели.

Ошибка 4. Слепая ставка на сложный алгоритм

Иногда пытаются заменить прозрачную модель «чем-то умнее» без достаточной инфраструктуры и без объяснимости. Сложные модели могут быть менее устойчивы к изменениям данных и требуют более тщательного мониторинга. В кредитном решении это часто ухудшает, а не улучшает процесс.

Ошибка 5. Отсутствие мониторинга после запуска

Скоринговая модель не может жить без контроля. Поведение клиентов меняется, и метрики нужно отслеживать постоянно. Важно мониторить не только общую дискриминационную способность, но и стабильность скоринговых баллов по сегментам (PSI), дрейф признаков (CSI), изменение распределения целевой переменной.

Как внедрять скоринговую модель на практике

Если задача стоит не академическая, а прикладная, полезно идти по следующему маршруту.

Пошаговый алгоритм

1. Определить цель
   Что именно предсказывается: дефолт, просрочка 30+, просрочка 90+, досрочное погашение или комбинированный риск. Важно выбрать горизонт прогноза (performance window) и период наблюдения (observation window). Для ипотеки типичный горизонт — 12–24 месяца.
2. Собрать данные
   Нужны не только анкеты, но и история поведения клиентов, параметры кредитов и результаты по ранее выданным займам. Выборка должна быть репрезентативной по времени, чтобы захватить разные экономические циклы.
3. Очистить и нормализовать признаки
   Убрать дубли, проверить выбросы, привести признаки к единому формату. Для логистической регрессии полезно монотонное преобразование признаков, например, weight of evidence (WoE) биннинг, который одновременно обрабатывает пропуски и выбросы и строит монотонную зависимость.
4. Разделить выборку
   Отдельно обучающая, валидационная и тестовая части. Желательно также выделить out-of-time период для проверки стабильности.
5. Построить базовую модель
   Логистическая регрессия — хороший старт, потому что она понятна и позволяет быстро увидеть слабые места данных. Можно использовать пошаговый отбор признаков (stepwise selection) или регуляризацию (L1 для отбора, L2 для устойчивости).
6. Проверить качество и стабильность
   Сравнить метрики (AUC, Gini, KS), протестировать на новых периодах, оценить бизнес-эффект через cost-benefit матрицу. Обязательно проверить калибровку.
7. Настроить пороги решения
   Определить, при какой вероятности заявка одобряется, отклоняется или уходит на ручную проверку. Пороги выбираются с учётом стоимости ложноположительного (одобрить плохого) и ложноотрицательного (отказать хорошему) решений.
8. Запустить мониторинг
   Следить за качеством модели, дрейфом признаков и изменением портфеля. Создать дашборды с PSI, CSI, AUC по месяцам, анализом причин отказов.

Когда одной логистической регрессии уже недостаточно

Логистическая регрессия остаётся сильной базой, но не всегда закрывает всё. Она предполагает линейную связь между признаками и логарифмом шансов. Если реальная зависимость сложнее, модель может недобрать в качестве. В таких случаях можно использовать гибридные подходы: например, сначала обучить градиентный бустинг для выделения нелинейных взаимодействий, а затем использовать его предсказания как один из признаков в логистической регрессии (stacking). Или применить GAM (generalized additive models), где каждый признак входит через гладкую функцию. Важно, чтобы итоговая модель сохраняла приемлемый уровень интерпретируемости. Если бизнес-требования допускают некоторую непрозрачность, можно использовать бустинг с SHAP-значениями для объяснения отдельных решений.

Когда стоит усложнять модель

• очень большой объём данных (сотни тысяч записей);
• много поведенческих и транзакционных признаков;
• неоднородный портфель (разные регионы, типы недвижимости);
• высокая цена ошибки (крупные суммы кредитов);
• необходимость выделять тонкие группы риска.

При этом любое усложнение должно проходить через вопрос: стало ли решение лучше для бизнеса, а не только для отчёта по метрикам. Усложнение требует усиления инфраструктуры мониторинга и валидации.

Чек-лист для тех, кто оценивает скоринг в ипотеке

• Понятна ли цель модели?
• Есть ли качественная история дефолтов?
• Не смешаны ли в обучении разные продуктовые сегменты?
• Проверена ли устойчивость модели во времени (out-of-time validation)?
• Понятна ли интерпретация факторов (знаки и величина коэффициентов)?
• Есть ли контроль качества после запуска (PSI, CSI, AUC-мониторинг)?
• Заданы ли пороги для разных уровней риска с учётом cost-benefit?
• Известно ли, как модель поведёт себя при изменении ставок и спроса?
• Проведён ли анализ стабильности популяции (PSI) на исторических данных?
• Соответствует ли модель регуляторным требованиям (например, IRB-подход)?
• Есть ли процедура reject inference для коррекции смещения выборки?

Если хотя бы на половину этих вопросов нет внятного ответа, модель пока нельзя считать готовой к серьёзному использованию.

Что это значит для рынка жилья в России

Для российского рынка недвижимости скоринг особенно важен в периоды, когда меняются ставки, доступность ипотеки и поведение покупателей. Высокая волатильность ставок и доходов населения требует адаптивных моделей. Периоды льготной ипотеки искажают распределение заёмщиков, что может привести к смещению выборки и ухудшению качества скоринга после сворачивания программ. В такие моменты даже небольшое ухудшение качества отбора быстро отражается на просрочке и качестве портфеля. Поэтому скоринговая модель в ипотеке — это не вспомогательная таблица, а часть общей системы управления риском. Она помогает выдавать кредиты не «больше любой ценой», а точнее и устойчивее. Целесообразно строить модели с учётом макроэкономических переменных (ключевая ставка, уровень безработицы) как дополнительных признаков либо использовать сегментацию по периодам для сохранения стабильности.

Вывод

Скоринговые модели для заёмщиков на рынке жилья — это практический инструмент, который соединяет данные, вероятность дефолта и кредитное решение. Базой для таких задач остаётся логистическая регрессия: она хорошо подходит для бинарной классификации, прозрачна для бизнеса и удобна для контроля риска. Ипотечный скоринг — это не разовое упражнение, а непрерывный цикл: данные → модель → решение → мониторинг → обновление. Логистическая регрессия здесь выступает надёжным фундаментом, который при должном внимании к данным и валидации обеспечивает прозрачное и устойчивое управление рисками.

Если кратко, сильный скоринг в ипотеке строится на трёх вещах:

• качественные данные;
• понятная модель;
• регулярный контроль после запуска.

Без этого даже самая красивая формула не даст надёжного решения.

FAQ

Что такое скоринговая модель простыми словами?
Это модель, которая по данным о заёмщике оценивает вероятность того, что он допустит просрочку или дефолт. На вход подаются десятки признаков, на выходе — число от 0 до 1, которое можно использовать для автоматического принятия решений.

Почему в скоринге часто используют логистическую регрессию?
Потому что она напрямую моделирует вероятность события, даёт интерпретируемые коэффициенты (через odds ratio), хорошо работает при линейной разделимости классов после правильной подготовки признаков и легко встраивается в регуляторные процессы благодаря прозрачности. В отличие от многих «чёрных ящиков», здесь каждый фактор можно объяснить риск-менеджеру.

Какие данные важнее всего для ипотечного скоринга?
Обычно наиболее важны кредитная история, доход, занятость, долговая нагрузка и параметры самой сделки. Но решающую роль играет их комбинация и качество подготовки: например, преобразование дохода в логарифмическую шкалу или биннинг стажа работы.

Можно ли построить скоринг только на анкете?
Формально можно, но анкетные данные обычно слабо предсказывают дефолт без кредитной истории и поведенческих факторов. Модель будет иметь низкий AUC и высокую неопределённость. Для ипотеки критически важны исторические данные о платежах, просрочках и финансовой дисциплине.

Чем плоха слишком сложная модель?
Если она плохо объясняется и нестабильно работает на новых данных, то в кредитном решении она может быть хуже более простой, но надёжной модели. Сложные алгоритмы требуют более тщательного мониторинга, а их ошибки труднее диагностировать. Кроме того, регуляторы часто требуют прозрачности, которую ансамбли не обеспечивают без дополнительных инструментов вроде SHAP.