Оценка вероятности дефолта заемщика с учетом отраслевой принадлежности и корпоративных связей

Постановка проблемы. Одним из важных факторов при оценке кредитного риска заемщика является его отраслевая принадлежность. В Российской Федерации для указания вида экономической деятельности используются коды ОКВЭД. Однако код заявляет сама организация, его соответствие фактической деятельности не проверяется, и часть заемщиков использует это, чтобы выдать деятельность с высоким риском за низкорисковую. В таких случаях модели кредитного скоринга вынуждены опираться на недостоверную информацию при оценке риска, что в конечном итоге может приводить к финансовым потерям. Кроме того, чаще всего такие модели рассматривают контрагента как изолированный объект и не учитывают его связи с другими компаниями, хотя сведения о фактическом положении организации в экономике содержатся именно в этих связях.

Цель. Разработать методику построения векторных представлений отраслевой принадлежности организаций, значение которых зависит не только от заявленных кодов ОКВЭД, но и от их положения в классификаторе и от связей организации, и проверить, повышает ли такое описание качество оценки вероятности дефолта заемщика по сравнению с описанием отраслевой принадлежности на основе заявленных кодов ОКВЭД.

Результаты. Исходные сведения описаны моделью, объединяющей граф связей организаций и граф кодов ОКВЭД, в котором дерево классификатора дополнено связями, наблюдаемыми через организации. Предложена методика построения векторных представлений отраслевой принадлежности на этой модели, которая расширяет ранее опубликованные авторские подходы тремя элементами: персонализацией иерархического представления основного вида деятельности под контекст конкретной компании, механизмом внимания для взвешенной агрегации дополнительных кодов ОКВЭД и постановкой задачи оптимизации, объединяющей прогнозирование дефолта и восстановление структуры связей графа. Показано, что на массиве обезличенных данных о кредитах юридических лиц описание, построенное по методике, повысило коэффициент Джини с 0,5941 до 0,6323 по сравнению с наилучшим из известных способов кодирования заявленного кода при том же составе прочих признаков и том же решающем правиле.

Практическая значимость. Разработанная методика позволяет учитывать в системах кредитного скоринга не только заявленные коды заемщика, но и его окружение, поэтому заемщики с одинаковым заявленным кодом и разным окружением получают разную оценку риска.