Скоринг бюро: как ИИ определяет годность кредитной истории
Индивидуальный рейтинг БКИ выглядит как простая шкала от 1 до 999. На практике за ней стоит модель вероятности дефолта: бюро оценивает, насколько вероятна просрочка свыше 90 дней в течение ближайшего года.
Юрий Золотарёв·Обновлено: 18 июля 2026 г.·10 мин
Это не оценка человека как «хорошего» или «плохого» заемщика и не автоматическое решение по заявке.
Регулятор зафиксировал для этой модели достаточно жесткую рамку. БКИ обязано описать статистически значимые факторы, их веса, источники информации, правила обработки ошибок и пределы погрешности. Модель должна проходить валидацию не реже раза в три календарных месяца. В результате скоринг бюро кредитная история превращается из непрозрачного балла в регулируемый инструмент оценки кредитного риска.
Для заемщика практический смысл проще: высокий рейтинг снижает оценочную вероятность проблем с платежами, но не гарантирует одобрения. Для банка это лишь один из сигналов в собственной риск-модели. Решение о выдаче кредита определяется не только историей расчетов, но и параметрами конкретной заявки, долговой нагрузкой, внутренними лимитами и рентабельностью сделки.
Математика доверия: что стоит за рейтингом от 1 до 999
БКИ рассчитывает индивидуальный рейтинг как целое число в диапазоне от 1 до 999. Минимальное и максимальное значения отражают минимальный и максимальный уровень кредитоспособности по методике конкретного бюро.
Главная ошибка — воспринимать этот диапазон как универсальную линейку, где, например, 700 баллов в одном бюро равны тем же 700 баллам в другом. Банк России прямо указывает на возможные различия: у БКИ разные методики, наборы данных, способы калибровки и математические модели. Сопоставлять рейтинги разных бюро напрямую экономически некорректно.
Сам рейтинг строится на сведениях кредитной истории. В ней фиксируются не только действующие и закрытые обязательства, но и ряд производных характеристик, важных для алгоритмов оценки заемщика:
- наличие и размер задолженности по обязательствам;
- средние ежемесячные платежи;
- продолжительность и характер просрочек;
- число действующих кредитов и займов;
- история заявок на финансирование и отказы;
- сведения о 90-дневной просрочке;
- динамика изменений по кредитным обязательствам.
Риск-модель не мыслит категориями бытовой морали. Она не «наказывает» за один кредит и не «награждает» за большое количество договоров как таковых. Алгоритм ищет статистические закономерности: какие комбинации факторов в исторических данных чаще приводили к дефолту, а какие — к нормальному обслуживанию долга.
Например, один действующий кредит с предсказуемым платежом может выглядеть для модели устойчивее, чем несколько недавно открытых займов с высокой совокупной нагрузкой. Но это не правило, которое можно переносить на любую ситуацию. Без раскрытия конкретных весов факторов невозможно добросовестно утверждать, какой именно признак поднял или опустил балл.
Рейтинг БКИ — это прогноз риска на основе статистики, а не цифровой вердикт о финансовой дисциплине человека.
С точки зрения юнит-экономики кредитора такой прогноз нужен для одной задачи: отделить заявки, в которых процентный доход и комиссионный доход покрывают ожидаемые потери, от заявок с отрицательной ожидаемой рентабельностью. Чем выше предполагаемый риск дефолта, тем дороже для кредитора капитал и резервирование, тем строже могут быть лимит, ставка или требования к заемщику.
Дефолт в модели — не любая задержка платежа
Для индивидуального рейтинга БКИ регулятор установил конкретное целевое событие. Модель должна прогнозировать вероятность дефолта на горизонте одного года. Дефолтом считается просроченная задолженность более 500 рублей и длительностью свыше 90 календарных дней хотя бы по одному обязательству, сведения о котором передаются в бюро.
Это определение принципиально. Оно отделяет эпизодическую техническую задержку от события, которое статистически меняет кредитный риск.
| Событие | Что означает для модели индивидуального рейтинга |
|---|---|
| Задержка платежа на несколько дней | Может быть отражена в кредитной истории, но сама по себе не равна регуляторному дефолту |
| Просрочка более 500 рублей до 90 дней | Негативный сигнал, однако не соответствует формальному определению дефолта для годового прогноза |
| Просрочка более 500 рублей свыше 90 дней | Целевое дефолтное событие в модели индивидуального рейтинга БКИ |
| Подача нескольких заявок | Видна в информационной части кредитной истории и может учитываться в оценке риска по методике бюро |
| Погашенный без нарушений кредит | Формирует историю обслуживания обязательства, но не означает автоматического роста рейтинга на заданную величину |
Такой дизайн модели имеет рациональную логику. Для банка наиболее затратна не любая просрочка, а длительное нарушение графика, при котором возрастает вероятность неполного возврата долга и расходы на взыскание. В розничном кредитовании это влияет на стоимость риска — один из ключевых компонентов цены продукта наряду с фондированием, операционными издержками и маржой.
Но индивидуальный рейтинг БКИ не следует путать с внутренним скорингом банка. Бюро прогнозирует событие, заданное своей методикой и регуляторными требованиями. Банк строит более широкую экономическую модель: оценивает вероятность дефолта, возможный размер потерь, доходность конкретного продукта, вероятность досрочного погашения, наличие собственных отношений с клиентом и лимиты риск-аппетита.
Поэтому автоматический отказ по кредиту нельзя сводить к одной цифре в отчете БКИ. Низкий балл может быть существенным фактором, но не доказывает причину отказа. Высокий — не отменяет внутренние ограничения кредитора.
Что именно делает ИИ в кредитном скоринге
Термин «ИИ в кредитном скоринге» часто используют слишком широко. Регулирование не требует, чтобы каждое БКИ применяло нейросети или конкретные методы машинного обучения. Обязательное требование другое: методика должна опираться на статистические методы анализа данных и проходить регулярную проверку качества.
На практике технологический стек может состоять из нескольких слоев.
Базовый слой: очистка и нормализация данных
Сначала бюро работает не с «готовым портретом заемщика», а с массивом записей от источников формирования кредитных историй. Информация может поступать в разное время, содержать исправления, обновления статуса договора и изменения по задолженности.
На этом этапе значение имеет качество идентификации и сопоставления записей. Ошибка в данных не просто портит отчет. Она способна изменить входные признаки модели и, следовательно, оценку риска. Поэтому правила корректировки и обработки данных должны быть описаны в методике БКИ.
Кредитная история включает несколько частей. В титульной содержатся идентификаторы субъекта. Основная часть хранит данные об обязательствах, задолженности, среднемесячных платежах и просрочках. Информационная часть отражает заявки, отказы и сведения о 90-дневной просрочке. Закрытая часть содержит информацию об источниках формирования и пользователях истории.
Модельный слой: признаки, веса и вероятность дефолта
Далее система преобразует массив записей в признаки, пригодные для расчета. Это может быть история исполнения обязательств, число активных договоров, изменение долговой нагрузки, давность кредитных событий и иные параметры, предусмотренные методикой.
Затем модель присваивает этим признакам веса. Вес не означает бытовую оценку важности. Это математический коэффициент, отражающий связь фактора с вероятностью целевого события на исторической выборке.
Машинное обучение БКИ может использоваться для более гибкого поиска нелинейных зависимостей, сегментации заемщиков и повышения точности прогнозов. Но технология не отменяет фундаментальную задачу: модель должна быть измеримой, объяснимой в рамках методики и устойчивой к изменению данных.
НБКИ, например, сообщало о запуске в 2022 году ИИ-скоринга с несколькими горизонтами прогноза: 90-дневная просрочка на 12 месяцев, 60-дневная — на шесть месяцев, 30-дневная — на три месяца. Это описание конкретного коммерческого решения, а не единый стандарт для всего рынка.
Для финансового рынка здесь важнее не название технологии, а ее экономический результат. Если модель точнее различает уровни риска, кредитор может снизить потери на дефолтах, точнее настроить лимиты и не закладывать избыточный риск-премиум в ставку для устойчивых клиентов. Однако такой эффект зависит от качества данных, сегмента заемщиков, продуктовой линейки и политики самого кредитора. Универсального коэффициента улучшения для всего рынка не существует.
Внешние сведения: допустимы, но не универсальны
БКИ вправе использовать не только сведения из кредитной истории, но и другие виды данных, если это предусмотрено его методикой. При этом регулирование не устанавливает единый закрытый список таких источников.
Из этого не следует, что любой алгоритм получает доступ к геолокации, содержимому телефона, социальным сетям или истории браузера. Такие утверждения без доказательств превращают разговор о больших данных в финансах в мифологию. Корректная формулировка проще: конкретный состав признаков зависит от методики конкретного бюро, а точные веса и пороги не являются общим для рынка стандартом.
В скоринге ценность данных определяется не их экзотичностью, а тем, улучшают ли они прогноз дефолта после проверки модели.
Валидация: почему алгоритм нельзя обучить один раз
Кредитный рынок меняется быстрее, чем кажется изнутри обычной заявки. Изменяется ключевая ставка, платежная дисциплина, структура выдач, спрос на рефинансирование, уровень доходов и поведение заемщиков. Модель, которая работала на одном экономическом цикле, может потерять точность на другом.
Поэтому БКИ обязано валидировать модель индивидуального рейтинга не реже одного раза в три календарных месяца. Проверка должна показывать, насколько реальный риск в группах заемщиков соответствует прогнозу модели.
Если распределение субъектов по рейтинговым диапазонам существенно меняется либо показатели перестают соответствовать целевым значениям, методика должна предусматривать перестроение модели. Иначе возникает модельный риск: балл продолжает выглядеть точным, но его связь с реальной вероятностью дефолта ослабевает.
Внутри такого процесса обычно оцениваются несколько контуров:
1. Дискриминирующая способность модели. Насколько хорошо алгоритм отделяет группу с более высоким риском от группы с более низким риском.
2. Калибровка. Соответствует ли заявленная вероятность дефолта фактической статистике за период наблюдения.
3. Стабильность входных данных. Не изменились ли качество, полнота или распределение факторов, из которых строится рейтинг.
4. Корректность обработки ошибок. Не приводит ли дублирование, задержка обновления или исправление записи к систематическому смещению оценки.
5. Границы применимости. Не используется ли модель для сегментов, по которым у нее недостаточно надежной статистики.
Это не формальная процедура для регуляторной отчетности. Некачественная модель имеет прямую цену. Банк может недооценить риск и получить рост просрочки, либо переоценить его и отказаться от платежеспособных клиентов. В первом случае растут резервы и убытки. Во втором — снижаются выдачи, процентный доход и LTV клиента.
Для цифрового банка риск особенно заметен: решение принимается за минуты, физического контакта с заемщиком нет, а масштаб ошибок быстро умножается на объем потока заявок. Поэтому автоматизация без регулярной валидации не создает эффективность, а переносит издержки из фронт-офиса в кредитный портфель.
Почему высокий рейтинг не равен одобрению
БКИ при выдаче индивидуального рейтинга обязано сообщать две вещи: кредитор может не использовать этот рейтинг при принятии решения, а высокий рейтинг не гарантирует выдачу кредита.
Это наиболее важное ограничение для трактовки алгоритмов оценки заемщика. В реальной кредитной сделке существуют как минимум два независимых контура.
| Контур | Кто формирует | На какой вопрос отвечает |
|---|---|---|
| Индивидуальный рейтинг БКИ | Бюро кредитных историй | Какова оценка вероятности дефолта по методике БКИ |
| Внутренний скоринг кредитора | Банк или МФО | Готов ли кредитор выдать конкретный продукт на конкретных условиях |
| Ценовая модель | Банк или МФО | Покрывают ли ставка, срок, лимит и комиссии ожидаемые потери и операционные издержки |
| Антифрод-проверки | Кредитор и технологические поставщики | Нет ли признаков мошенничества или недостоверности заявки |
| Политика риск-аппетита | Кредитор | Соответствует ли заявка текущим лимитам и стратегии портфеля |
Даже при хорошем рейтинге банк может сократить лимит или не выдать продукт, если внутренняя модель видит некомфортную долговую нагрузку, не подтверждается часть сведений по заявке или кредитор временно ужесточил политику выдач. В период дорогого фондирования и высокой ключевой ставки кредиторы обычно сильнее контролируют рентабельность новых сделок. Это может повышать порог одобрения без какого-либо изменения в кредитной истории конкретного человека.
Обратная ситуация тоже возможна. Рейтинг БКИ не выглядит высоким, но кредитор располагает дополнительными данными о клиенте: регулярным поступлением дохода на счет, устойчивой транзакционной активностью, историей обслуживания собственных продуктов. Использование таких данных регулируется внутренними процессами организации и не превращает рейтинг бюро в неактуальный показатель — просто добавляет второй слой аналитики.
Именно поэтому называть отказ «решением ИИ» методологически неверно. Алгоритм может участвовать в процессе, но итог зависит от кредитной политики, тарифной модели, риск-лимитов и набора проверок.
Ошибки в истории: здесь алгоритм не должен быть последней инстанцией
Кредитная запись хранится семь лет со дня последнего изменения сведений по ней. Это долгий срок для ошибки, которая может влиять на доступ к финансированию, ставку или доступный лимит. Однако исправление недостоверной информации — не услуга по «улучшению рейтинга», а стандартная процедура актуализации данных.
Если заемщик считает сведения ошибочными, он может бесплатно оспорить их через БКИ или непосредственно у кредитора. У бюро есть до 20 рабочих дней на мотивированный ответ. Кредитор после обращения должен в течение 10 рабочих дней подтвердить достоверность информации либо направить исправленные сведения.
Рациональный порядок действий выглядит так:
1. Получить кредитный отчет в каждом БКИ, где хранится история. Закон позволяет запросить по два бесплатных отчета в календарный год в каждом бюро, при этом на бумаге — не более одного.
2. Сверить договоры, даты, суммы, статусы закрытия обязательств и просрочки с собственными документами.
3. Отделить спор о факте от недовольства оценкой. Некорректная запись подлежит оспариванию; низкий рейтинг при корректных данных сам по себе не является ошибкой.
4. Направить обращение в БКИ или кредитору с конкретным описанием расхождения и подтверждающими документами.
5. После исправления дождаться обновления кредитной истории и затем повторно проверить отчет.
Платные обещания «стереть кредитную историю» не имеют под собой нормальной правовой и технологической логики. Законный механизм работает только с недостоверными данными. Реальная просрочка, если она зафиксирована корректно, не исчезает по заявлению посредника.
Итог: рейтинг — это инструмент оценки риска, а не пропуск к кредиту
Скоринг бюро кредитная история — это регулируемая прогнозная модель. Она оценивает вероятность серьезной просрочки на годовом горизонте, опирается на статистические методы, требует описанной методики и регулярной валидации. Искусственный интеллект и машинное обучение могут расширять точность такого прогноза, но не отменяют ни контроля качества данных, ни ограничений модели.
Для заемщика рейтинг имеет прикладную ценность как индикатор состояния кредитной истории и вероятной реакции рынка. Для банка это входной параметр в более широкую систему риск-менеджмента и юнит-экономики выдачи. Приравнивать балл к гарантии одобрения или к автоматическому отказу нецелесообразно: эти решения принимаются не бюро, а кредитором — по собственной модели, цене риска и текущим лимитам портфеля.