2488

Специализированный модуль экспорта моделей (KXEN Model Export – KMX) позволяет «отчуждать» построенные модели: генерировать программный код на языках SQL, VisualBasic, Java, HTML, C и др. «Отчужденные» модели обычно интегрируются в АБС или Систему сопровождения розничного кредитования банка. Таким образом, в отделениях банка операционисты работают не с самим KXEN, а с готовой моделью.

Пакет опций – это ряд дополнительных возможностей системы

«KXEN:Scoring», которые позволяют:

1)увеличить точность скоринговых моделей («макроскоринг», «поведенческий скоринг»);

2)ввести скоринговые процедуры на всех этапах «жизненного цикла» заемщика («поведенческий скоринг», «работа с плохими долгами»);

3)строить модели даже при отсутствии собственной базы данных по выданным кредитам («моделирование на этапе накопления кредитных заявок»).

Forecsys Scoring Pilot – скоринговые решения фирмы Forecsys, основанные на фундаментальных российских научных достижениях

(рис. 12, 13).

Основные функциональные возможности ScoringPilot:

1.Поиск логических закономерностей. Вычисление статистических характеристик закономерностей (мощности, информативности и др.). Анализ найденных закономерностей, выбор из них наилучших и максимально различающихся между собой.

2.Создание и редактирование закономерностей пользователем. Сравнение эффективности закономерностей, найденных системой и введенных пользователем.

3.Анализ распределений по отдельным признакам, разбиение диапазона значений каждого признака на максимально информативные интервалы.

4.Построение скоринговой модели на основе найденных закономерностей. Отображение модели в виде таблиц и графиков. Редактирование модели пользователем. Оценка качества модели методом скользящего контроля качества.

5.Классификация заемщиков на обучающей выборке и тестовой выборке. Вывод объяснения классификации.

6.Автоматическая классификация новых поступающих анкет.

92

Внедрение системы Forecsys Scoring Solution позволяет для продуктов, использующих скоринговую оценку:

1)централизовать и автоматизировать оценку заемщиков;

2)повысить эффективность управления кредитным риском;

3)решить вопросы ценообразования и предсказания будущих по-

терь;

4)обеспечить аналитическую поддержку маркетинговых реше-

ний;

5)снизить процент недобросовестных заемщиков в 2 раза.

На основе проведенного анализа была составлена таблица сравнений по группе основных показателей, характеризующих поддержку основных решений в сфере кредитования, таких как оценка кредитоспособности заемщика (скоринг), определение лимита кредита, выработка индивидуальных схем кредитования, выработка моделей под специфику кредитной организации, интеграция с другими системами и другие (табл. 3).

Анализ КСППР в банковской сфере показал, что сегодня на рынке присутствуют аналитические системы, соответствующие многим названным критериям, однако реальные внедрения таких программных решений в банки носят скорее единичный характер. Вялотекущий процесс распространения готовых аналитических систем в отечественных банках объясняется, прежде всего, сложностью адаптации таких программных продуктов к нуждам конкретных кредитных организаций. К тому же еще некоторое время назад компанииразработчики такого вида систем бывали «глухи» к пожеланиям конечных пользователей, да и попытки создать единое решение, способное удовлетворить всем запросам, воспринимались не иначе как утопия. Анализ показал, что подобным системам присущи следующие недостатки: высокая стоимость внедрения, не учитываются процессы взаимодействия ЛПР с остальными участниками отношений. Особого внимании заслуживает проблема согласования интересов заемщика и кредитора, которая всё ярче проявляется в банковской сфере, они не рассматривают проблему принятия согласованного кредитного решения, а также не учитывают особенности взаимодействующих субъектов.

94

Таблица 3

Сравнительный анализ систем-аналогов

95

Как отмечают специалисты компании «ПрограмБанк», сегодня одним из важнейших направлений поддержки принятия решений в области банковской аналитики является владение текущей ситуацией, возможность планирования и прогнозирования ее развития. Например, многим руководителям требуется знать, что представляют собой источники тех или иных доходов, каких ресурсов требует их обеспечение, куда тратятся деньги. Они хотят получить возможность вести планы прихода и расхода средств, отслеживать их выполнение и корректировать их в режиме on line. К основным направлениям деятельности банков, которые нуждаются в компьютерной поддержке решений, можно отнести следующие:

-возможность отслеживания влияния принимаемых решений на показатели деятельности банка в текущем периоде;

-возможность проведения анализа «что-если»;

-интегрированный доступ к документам о планируемых и текущих платежах, загружаемых в хранилище данных или получаемых из учетной системы в режиме on line;

-интеграцию с решениями по анализу доходов и расходов и другие направления поддержки решений.

Применение аналитических систем поддержки принятия решений позволит банку наладить систематический обмен информацией между головным отделением банка и его филиалами и отделениями, а также осуществлять контроль за качеством данных, получаемых из подразделений. Обнаружив какие-либо нарушения, аналитик может воспользоваться методом «наложенного баланса», который позволит «проиграть» различные варианты операций (на уровне балансовых счетов и расшифровок) и спрогнозировать их влияние на нормативы и иные показатели.

Применение аналитической системы позволяет производить календарный анализ результатов деятельности по подразделениям и по продуктам, а также оценивать эффективность работы по формальным критериям. Возможно также проведение мониторинга эффективности с учетом предстоящих результатов (задолго до истечения календарного периода), что, в свою очередь, позволит предпринять оперативные меры для обеспечения желаемых итогов деятельности.

С нашей точки зрения, сегодня наиболее полно отражает весь перечень задач, связанных с поддержкой принятия решений в банковской сфере, аналитический комплекс программ (АПК) «Нострадамус»,

96

разработанный компанией ПрограммБанк. Применение аналитической системы позволяет:

-автоматизировать загрузку и хранение различной информации;

-производить оперативный экспресс-анализ банков (например, по методике Иванова);

-производить динамический анализ результатов работы кредитного учреждения на основе исторической информации (с построением графиков);

-проводить сопоставительный анализ деятельности банка на фоне характерных (специально подобранных) групп, в том числе и в исторической перспективе, с использованием наглядных графических средств;

-просто и удобно создавать и корректировать аналитические методики.

Кроме того, в АПК «Нострадамус» реализована методика анализа динамики активов и пассивов, которая была создана специалистами данной компании. Эта методика позволяет оценивать деятельность того или иного банка на рынке «коротких денег». Внушительный список аналитических методик, реализованных в АПК, может быть дополнен, поскольку конечным пользователям предоставлена возможность в рамках комплекса создавать собственные методики, отвечающие специфике деятельности их кредитной организации. Начиная несколько лет назад создание единого АПК, представляющего собой интегрированный набор прикладных и инструментальных решений для эффективного анализа и управления банком, компания ПрограммБанк выделила два основных направления развития системы. Одно из них – это целостный подход к управленческим и аналитическим методикам как составным частям общего процесса управления банком. При этом делался акцент на удобство работы с АПК и на его способность по-настоящему эффективно удовлетворять насущные потребности аналитиков и руководителей кредитных учреждений. Отличительной особенностью данного комплекса является также то, что «Нострадамус» предоставляет широкие возможности настройки под конкретного пользователя, что обеспечивается удобным интерфейсом и универсальным инструментарием, позволяющим адаптировать систему под конкретные прикладные задачи.

2.2.Компьютерная поддержка групповых решений

97

интересов участников.

Проблема согласования интересов состоит из следующих задач. Первая задача связана с изучением множества ограничений, элементами которого являются ограничения каждого участника группы. Необходимо сформировать из имеющихся ограничений каждого участника группы такую область допустимых решений, чтобы в рамках этой области или его окрестности искать согласованное решение. Вторая задача – это определение балансовых соотношений, которые описывают взаимосвязи, ограничивающие поиск согласованных решений. Третья задача – построение целевых функций каждого участника группы и формирование групповой позиции по поиску согласованного решения.

Представление процесса группового принятия решений в виде системы задач оптимизации с балансовыми ограничениями представляется нам эффективным инструментом для описания и изучения проблемы построения согласованных решений. При моделировании согласованных решений следует различать три разных подхода. Это векторная оптимизация, игровой подход и коллективный выбор. Модели векторной (многокритериальной) оптимизации можно использовать в ситуациях, когда нужно согласовать важность (эффективность) участников (или факторов) одной природы, или близких, или однородных, или похожих друг на друга и которые не конкурируют между собой, а наоборот, хотят заключить «джентльментское» соглашение о сотрудничестве (но которое любой из них может легко нарушить). Например, мы конструируем самолет и нам нужно выбрать параметры (факторы): дальность полета, максимальный полезный вес груза, минимальный расход горючего, лучшие экологические характеристики загрязнения среды и т.д.

Эта ситуация типичная для модели векторной (многокритериальной) оптимизации. Игровая модель применяется в условиях конфликтной ситуации, при этом конфликт – это не обязательно антагонистические противоречия. Например, рассмотрим кредитную ситуацию. Имеются два участника (банк и заемщик), которые отстаивают свои интересы, они явно конкурируют, но необходимо как одному, так и другому участнику в интересах каждого найти компромиссное решение. Банк старается предложить дорогие кредиты, заемщик получить дешевые. Поэтому эта ситуация естественно описывается игровой моделью. Задача коллективного выбора может быть рассмотрена с позиции группового процесса принятия решений. Например,

99

кредитная ситуация с точки зрения коллективного выбора может быть рассмотрена в условиях, когда имеется много заемщиков, которые хотят получить ресурсы (финансовые), а банк старается их удовлетворить с соблюдением всяких балансов, ограничений и своих интересов.

Отличительной особенностью задач принятия решений является присутствие человеческого фактора или, точнее субъекта, принимающего решение. До недавнего времени поведение ЛПР, как правило, изучалось с позиции рационального выбора через целевые функции, например, функции полезности. Социально-психологический аспект, или «деонтология» принятия решений, как правило, не учитывался. В настоящее время влиянию человеческого фактора на принимаемые решения и особенно на их последствия стали уделять больше внимания. Например, субъективные оценки ЛПР должны восприниматься формальным анализом в качестве входных данных. Это означает, что при моделировании процесса согласования интересов всех участников в математическую модель необходимо включать субъективные факторы и учитывать рефлексивную природу взаимодействия всех лиц, заинтересованных в решении.

Суть понятия рефлексии состоит в том, что наряду с «природной» (объективной) реальностью существует ее отражение в сознании. При этом нужно понимать, что между объективной реальностью (ситуацией выбора, принятия решений) и ее образом в сознании существует различие, несовпадение. В процессе принятия решений важное значение на выбор оказывает как рефлексия субъекта (ЛПР) относительно собственных представлений о реальности, принципах своей деятельности, так и относительно представлений о реальности, принципах принятия решений других субъектов. Этот факт является крайне важным и обязательно должен учитываться при моделировании процесса принятия согласованных решений.

Таким образом, при моделировании процесса принятия и согласовании решений группой лиц целесообразно применять рефлексив- но-оптимизационный подход, который предполагает рассмотреть модель поведения ЛПР как систему оптимизационных задач с балансовыми ограничениями. Данный подход позволяет представить целевую функцию каждого участника процесса взаимодействия как функцию, отражающую два важных аспекта: объективную и субъективную составляющие. Первая составляющая характеризует утилитарный аспект ситуации принятия решений, описывающий объек-

100