Юрий Викторович Фролов, доктор экономических наук, профессор, профессор университета
Москва
Yuri V. Frolov, Doctor of Economics, Professor, Professor of the University
Moscow
Андрей Леонидович Жидков, аспирант
Москва
Andrey L. Zhidkov, postgraduate student
Moscow
Елизавета Сергеевна Жидкова, независимый исследователь
Elizaveta S. Zhidkova, independent researcher
Реализуемая ЦБ РФ стратегия развития финансовых технологий предполагает работу в направлении цифровизации различных направлений деятельности отечественных финансовых институтов для повышения устойчивости их бизнеса, в частности путем внедрения методов и инструментов управления на основе данных (data-driven management). Проблема исследования заключается в разработке эффективного способа поддержки принятия решений о выдаче кредитов в микрофинансовых организациях на основе использования методов сбора, хранения и аналитики данных и создания соответствующей инфраструктуры. В данной работе в качестве инструмента поддержки управления в микрофинансовой организации (МФО) предложено применять информационно-аналитическую систему (ИАС), включающую четыре модуля (данные – аналитика – управление – представление) и обеспечивающую повышение эффективности решений о выдаче микрокредитов. На основе ретроспективных данных о поведении клиентов МФО разработаны и апробированы модели прогнозирования кредитного риска с использованием алгоритмов машинного обучения (CatBoost, Logistic Regression). Установлено, что модель градиентного бустинга продемонстрировала более высокую прогностическую способность, чем модель логистической регрессии. Была выполнена калибровка прогнозов модели градиентного бустинга для повышения интерпретируемости прогнозов модели. Также для целей интерпретации логики работы модели проведен анализ чувствительности прогнозов к факторам, связанным с клиентами, путем применения метода SHAP. Результаты анализа работы модели показали, что при пороге вероятности дефолта τ = 0,22 микрофинансовая организация может получить значительную экономию от использования системы, прогнозирующей риски невозврата кредитов клиентами. Предложена методика оценки экономической эффективности от использования информационно-аналитической системы. Апробированные в исследовании информационная система как инструмент поддержки управления в МФО и методология оценки экономической эффективности от ее применения создают предпосылки для дальнейшего развития концепции и методов управления на основе данных в отечественных финансовых институтах.
The strategy for the development of financial technologies implemented by the Central Bank of the Russian Federation involves work in the direction of digitalization of various areas of activity of domestic financial institutions to increase the sustainability of their business, in particular, by introducing data-driven management methods and tools. The challenge of the study is to develop an effective way to support lending decisions in microfinance organizations through the use of data collection, storage and analytics methods and the creation of appropriate infrastructure. In this work, as a management support tool in a microfinance organization (MFI), it is proposed to use an information and analytical system (IAS), which includes four modules (data - analytics - management - presentation) and provides an increase in the efficiency of decisions on issuing microloans. Based on retrospective data on customer behavior, MFIs developed and tested credit risk forecasting models using machine learning algorithms (CatBoost, Logistic Regression). The gradient boosting model was found to show a higher predictive ability than the logistic regression model. Gradient boosting model predictions were calibrated to improve the interpretability of the model predictions. Also, for the purposes of interpreting the logic of the model, the sensitivity of forecasts to customer-related factors was analyzed using the SHAP method. The results of the analysis of the model showed that at the threshold of the probability of default τ = 0.22, a microfinance organization can receive significant savings from the use of a system that predicts the risks of non-repayment of loans by customers. A methodology for assessing the economic efficiency of using the information and analytical system is proposed. The information system tested in the study as a tool to support management in MFIs and the methodology for assessing the economic efficiency of its use create the prerequisites for the further development of the concept and methods of management based on data in domestic financial institutions.
The authors declare that there are no conflicts of interest present.