Вы находитесь на странице: 1из 25

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ
БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ОБРАЗОВАНИЯ
≪ОРЛОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ИМЕНИ И.С. ТУРГЕНЕВА≫
ФИЗИКО-МАТЕМАТИЧЕСКИЙ ФАКУЛЬТЕТ
КАФЕДРА АЛГЕБРЫ И МАТЕМАТИЧЕСКИХ МЕТОДОВ
В ЭКОНОМИКЕ

Курсовая работа
«Проектирование АИС кредитного скоринга»

Исполнитель: студентка 3 курса


3 группы направления подготовки
09.03.03 Прикладная информатика
(в экономике) Руднева А.А.
Руководитель: кандидат
педагогических наук,
доцент Чернобровкина И. И.

Орел 2017 г.
Оглавление
Введение……………………………………………………………..…………….3
Глава 1. ПРЕДПРОЕКТНЫЙ АНАЛИЗ ОБЪЕКТА…………………………….4
1.1. Описание предметной области………………………….....................4
1.2. Основные виды кредитного скоринга………………………………..8
1.3. Преимущества и недостатки применения скоринговых систем…..10
Глава 2. ПРОЕКТИРОВАНИЕ ИНФОРМАЦИОННОЙ СИСТЕМЫ………..11
2.1. Анализ требований к системе…………………………………...…..11
2.2.Детальное проектирование ИС………………………………………16
2.3.Программная реализация……………………………………………..19
Заключение………………………………………………………………………23
Список литературы………………………………………………………………24

Введение

2
В последнее время рынок кредитования физических лиц развивается
впечатляющими темпами. Увеличение кредитования приводит к увеличению
кредитных рисков, которые воспринимаются как отдельными кредитно-
финансовыми институтами, так и банковской системой страны в целом. В
этом случае, на помощь приходит узкоспециализированная эффективная
система принятия решений - кредитный скоринг.
Цель курсовой работы - спроектировать автоматизированную
информационную систему (далее ИС) скоринговой оценки. В  соответствии с
поставленной целью  предполагается решение следующих  задач:
1. Сбор информации для изучаемой темы.
2. Рассмотрение видов скоринговых моделей.
3. Определение функциональных требований, предъявляемых к
системе.
4. Осуществление программной реализации системы, пригодной к
практическому применению.
Курсовая работа состоит из двух глав.
В первой главе описывается предпроектная стадия создания
информационной системы. Глава содержит общее описание предметной
области, основные виды кредитного скоринга. Приводятся недостатки и
преимущества скоринга.
Во второй главе «Проектирование ИС» разработаны четыре диаграммы
на языке UML в среде Umbrello UML Modeller: диаграмма вариантов
использования, диаграмма деятельности, диаграмма классов и диаграмма
последовательности. Представлена разработка клиентского приложения ИС в
среде быстрой разработки приложений Embarcadero RAD Studio.

3
1.1. Описание предметной области
Скоринговая оценка кредитоспособности физического лица, широко
применяется для оценки благонадежности заемщика. Скоринг дает
понимание, на основе кредитной истории, текущих или бывших клиентов,
какова вероятность того, что потенциальный заемщик вернет деньги в срок.
Кредитный скоринг — система оценки кредитоспособности (кредитных
рисков) лица, основанная на численных статистических методах. Как
правило, используется в потребительском (магазинном) экспресс-
кредитовании на небольшие суммы[4]. 
Внедрение автоматизированной системы оценки кредитоспособности
имеет ряд преимуществ, например таких, как:
1. Увеличение числа и скорости обработки кредитных заявок.
2. Эффективная оценка и постоянный контроль уровня рисков
заемщика.
3. Снижение влияния субъективных факторов при принятии
решения о предоставлении кредита.
4. Оценка и управление риском портфеля кредитов банка в целом,
включая его отделения.
5. Реализация единого подхода при оценке заемщиков для
различных типов кредитных продуктов банка (кредитные карты,
потребительские кредиты, автокредитование, ипотечные кредиты).
6. Адаптация параметров (условий) кредита под возможности
заемщика (кастомизация кредитного продукта) [2].
Кредитный скоринг используется не только для оценки клиента к
какой-либо группе риска, но и для прогнозирования поведения клиентов и
оценки вероятности мошенничества. Анализируя поведение клиента за
последние шесть месяцев, можно прогнозировать его поведение в ближайшие
несколько месяцев. Своевременное выявление негативной динамики
платежеспособности может сэкономить средства.

4
В настоящее время очень активно развиваются технологии
интеллектуального анализа данных (далее ИАД). Такая активность вызвана
необходимостью аналитической обработки очень больших объемов
информации. Возможность обработки данных методами математической
статистики и машинного обучения открывает новые возможности перед
исследователями и аналитиками. Сложность методов ИАД требует создание
специализированных и удобных для пользователя программных продуктов
для решения необходимых задач и анализа информации в конкретных
областях. Такими продуктами являются бизнес-приложения. Бизнес-
приложения являются очень перспективным направлением для применения
ИАД.
При помощи инструментов ИАД в настоящее время успешно
решаются многие задачи в экономической сфере, такие как:
• Анализ кредитного риска
• Привлечение новых клиентов
• Выявление случаев мошенничества с кредитными карточками
• Оценка прибыльности инвестиционных проектов
Правильная оценка кредитного риска очень важна для стабильности
банка. Данная задача решается путём анализа накопленной банком
кредитной истории своих прошлых клиентов. С помощью инструментов ИАД
(деревья решений, кластерный анализ, нейронные сети и др.) банк может
выявить «профили» добросовестных и неблагонадежных заемщиков и как
следствие своевременно принять решение о выдаче или не выдаче кредита.
Кроме того, появляется возможность классифицировать заемщика по группам
риска, что позволяет не только решить вопрос о возможности кредитования,
но и установить лимиты, проценты и другие показатели.
Средствами ИАД банк может определить «профили» клиентов
наиболее выгодных для ведения бизнеса и акцентировать свою
маркетинговую политику именно на них. Так же возможно разбиение
клиентов на группы (сегменты) по различным критериям. Например, по тому,

5
какие из банковских услуг предпочитают определенные группы клиентов.
Такое разбиение позволит проводить маркетинговые мероприятия более
осмысленно и эффективно.
В мировой практике существует два основных метода оценки риска
кредитования, которые могут применяться как отдельно, так и в сочетании
друг с другом:
- субъективное заключение экспертов или кредитных инспекторов;
- автоматизированные системы скоринга [1].
Cкоринговая модель представляет собой сумму определенных
характеристик. В результате получается интегральный показатель (score) и
чем он выше, тем выше надежность клиента.
В разработанной системе взяты следующие характеристики:
1. Ф. И. О.
2. Возраст.
3. Номер телефона.
4. Пол.
5. Семейное положение.
6. Количество иждивенцев.
7. Образование.
8. Сфера занятости.
9. Опыт работы в текущей сфере.
10. Число лет проживания по текущему адресу.
11. Тип жилья.
Кроме этого, в базу вносятся данные по кредиту, а именно «цель
кредита», «сумма кредита», «продолжительность кредита» и др. Если данные
клиента хоть раз попали для анализа в программу, то они остаются в базе
данных. Если клиент снова обращается за кредитом, программа сравнивает
уже имеющиеся по нему данные с новыми данными.
Таким образом, внедрение автоматизированной системы скоринговой
оценки облегчает работу и увеличивает скорость обработки заявок. Скоринг-

6
системы позволяют банковским работникам быстро принимать решения о
кредитовании, регулировать объемы кредитования в зависимости от ситуации
на рынке и определять оптимальное соотношение между доходностью
кредитных операций и уровнем риска.

7
1.2. Основные виды кредитного скоринга
При помощи различных видов кредитного скоринга оптимизируется
работа с заемщиком на протяжении всего жизненного цикла кредита.
Рассмотрим виды кредитного скоринга.
1) Application scoring - оценка кредитоспособности заемщиков для
получения кредита;
2) Behavioral scoring - поведенческий скоринг, оценка динамики
состояния кредитного счета заемщика;
3) Collection scoring - определение приоритетных дел и направлений
работы в отношении заемщиков, состояние кредитного счета которых
классифицировано как «неудовлетворительное»;
4) Fraud scoring - выявление и предотвращение мошеннических
действий контрагентов по действующим и потенциальным сделкам.
Application-скоринг переводит в количественную плоскость риски
банка, которые связаны с правильной оценкой социальных, демографических,
финансовых и других данных заемщика для принятия решения о выдаче
кредита. При принятии решения о выдаче кредита быстрый анализ заемщика
при помощи скоринговых моделей позволяет получить наиболее
объективную оценку на основании не субъективных мнений, а аналитически
проверенных закономерностей.
Collection-скоринг - эффективная система своевременного
предупреждения просрочек является очень важной для снижения затрат
банка в рамках работы по взысканию задолженности и работы с залоговым
имуществом. Collection-скоринг способен улучшить эффективность работы
банка на всех этапах процесса управления взаимоотношениями с
должниками.
Основная задача Behavioral-скоринга - это прогнозирование
потенциальных рисков, связанных с заемщиками, которые составляют
кредитный портфель. Риски, связанные с обслуживанием кредитов, бывают
разные, поэтому скоринговые модели для поведенческого скоринга

8
используют различные критерии оценки и ранжирования заемщиков.
Основные из них это: оценка риска неплатежеспособности, риска дефолта
(преждевременного закрытия счета), а также скоринг доходности клиентов.
Fraud Scoring — это методология и процессы по выявлению и
предотвращению мошеннических действий со стороны потенциальных и уже
существующих клиентов-заемщиков. Скоринг по выявлению попыток
мошенничества помогает принимать незамедлительные решения по
определению тех заемщиков, чьи обращения по выдаче кредита должны быть
отклонены либо отложены для более детального рассмотрения[5].
Таким образом, для российского рынка одной из основных
особенностей систем кредитного скоринга, является максимально полная
поддержка Application-скоринг и Collection-скоринг.

9
1.3. Преимущества и недостатки применения скоринговых систем
Как и все системы, система оценки кредитоспособности имеет свои
недостатки. Основным является то, что система недостаточно гибкая и плохо
адаптируется под реальные параметры.
- Возможные сбои компьютерных скоринговых программ;
- недостаточно быстрое реагирование системы на перемены в
экономической ситуации в государстве;
- учёт факторов, которые были значимы много лет назад, а сегодня
уже утратили актуальность;
- оценка кредитоспособности производится на основании данных о
тех заемщиках, кредит которым был выдан;
- скоринговая система требует постоянной доработки и
обновления, чтобы выдавать как можно более точную информацию.
Отказ в выдаче кредита не означает, что человек никогда не сможет
получить кредит в этом банке. Скоринг постоянно анализирует огромный
поток информации, учитывает изменения в реальном времени, поэтому
вполне возможно, что в следующий раз решение о выдаче кредита будет
положительным.
Внедрение системы кредитного скоринга позволяет банку получить
целый ряд преимуществ: начиная от снижения времени принятия решения по
кредитной заявке и заканчивая оптимизацией бизнес-процессов в целом.
Основным же преимуществом является снижение дефолтности кредитного
портфеля банка за счет скорингового анализа и рейтингования заемщиков.
Таким образом, именно скоринг-оценка и рейтингование заемщиков
позволяют добиться снижения Bad Rate, не снижая количества выдаваемых
кредитов (Approval Rate). Более того, в большинстве случаев внедрение
скоринга дает комплексный эффект: одновременное уменьшение
дефолтности и повышение количества выдаваемых кредитов.

10
2.1. Анализ требований
Очевидно, что сегодня без автоматизации бизнеса нельзя сохранить
конкурентоспособность, и поэтому практически во всех банках и кредитных
учреждениях внедрялись, и продолжают внедряться те или иные
информационные системы.
Внедрение автоматизированной ИС кредитного скоринга позволит
упростить и усовершенствовать процесс диалога между банком и клиентом,
помочь банку избежать возможных рисков, связанных с неблагонадёжными
клиентами и полностью автоматизировать процесс выбора будущих клиентов.
Для дальнейшей работы необходимо сформулировать ряд бизнес-
требований для системы кредитного скоринга.
1. Объективность. Модель должна выявлять объективные
закономерности между различными факторами и минимизировать влияние
субъективного человеческого фактора на принятие решений.
2. Автоматизация. Модель должна обеспечить возможность
обрабатывать большие потоки кредитных заявок в режиме реального
времени. Этого можно добиться путем создания программного инструмента.
3. Точность. Модель должна обеспечить приемлемый уровень
предикативной мощности (точности), другими словами, приемлемый уровень
неправильно классифицированных заемщиков.
4. Адаптируемость. Модель должна учитывать изменения во внешней и
внутренней среде кредитной организации, в том числе учитывать
нормативные акты надзорных органов. Это позволяет принимать более
обоснованные и точные кредитные решения.
5. Гибкость. Гибкость модели - возможность внесения корректировок в
модель, например, изменение весов факторов, добавление новых факторов,
изменение параметров модели. Модель не должна при этом требовать
привлечения квалифицированных экспертов для ее адаптации под новую
структуру данных.

11
6. Объяснимость. Важная характеристика модели — возможность
объяснить, почему данный заемщик получил определенный кредитный
рейтинг. Модель с высоким уровнем объяснимости принятого решения ведет
к удобной интерпретации полученных результатов, их наглядности.
7. Сложность. Сложность модели целесообразно определять
количеством переменных и характером их взаимосвязей; затратами
(временными и стоимостными) на создание модели; сложностью подхода к
синтезу модели. Переменных в модели должно быть не слишком много и в то
же время достаточно для точной оценки заемщика. При этом модель должна
содержать значимые переменные и обеспечивать минимум дополнительных
квалификационных требований к кредитному менеджеру для работы с
моделью[2].
Для описания функционального назначения системы построена
диаграмма вариантов использования (use case diagram). Диаграмма вариантов
использования является концептуальной моделью системы в процессе ее
проектирования и разработки.
Суть данной диаграммы состоит в следующем: проектируемая система
представляется в форме так называемых вариантов использования, с
которыми взаимодействуют некоторые внешние сущности или актеры. При
этом актером или действующим лицом называется любой объект, субъект или
система, взаимодействующая с моделируемой системой извне.
Построение диаграммы вариантов использования является первым этапом
процесса проектирования, цель которого – представить совокупность
функциональных требований к поведению ИС. Разработанная диаграмма
вариантов использования представлена на рисунке 1 .

12
Рисунок 1 - Диаграмма вариантов использования
Как видно из диаграммы, клиент может быть зарегистрированным или
незарегистрированным. Незарегистрированный пользователь первым делом
должен пройти процедуру регистрации, после чего ему будут доступны два
варианта действий: просмотр информации и подача запроса.
Зарегистрированному пользователю необходимо авторизоваться (вход) для
дальнейшей работы с системой.
Рассмотрим спецификацию событий - «Вход» и «Подача запроса».
Таблица 1 – Спецификация входа
Событие Раздел Описание
Вход Описание Аутентификация клиента в системе
путем ввода логина и пароля
Действующие Клиент, система
лица
Основной поток Введение пользователем логина и пароля,
дальнейший вход в систему
Исключения При неправильном вводе логина или
пароля система выдаст – «Неверный
логин ИЛИ пароль»
Подача запроса Описание Оформление запроса, включающее в себя
заполнения полей и отправку
Действующие Клиент, система
лица
Основной поток Пользователь заполняет поля о
занятости, месте жительства и по
кредиту
13
Постусловие Клиент заполняет форму и отправляет ее
на рассмотрение
Исключения Если при оформлении запроса будут
заполнены не все поля, то система
выдаст сообщение – «Не заполнены
поля».
Для моделирования процесса выполнения операций в языке UML
воспользуемся диаграммой деятельности. Графически диаграмма
представляется в форме графа деятельности, вершинами которого являются
состояния действия, а дугами – переходы от одного состояния действия к
другому. Другими словами диаграмма деятельности – это технология,
позволяющая описывать логику процедур, бизнес-процессы и потоки работ,
концентрируя внимание на том, какие действия выполняются, и кто несет
ответственность за их выполнение.
Диаграмма деятельности строится для отображения поведения системы
в рамках различных вариантов использования или моделирования
деятельности. Она отображает потоки работ во взаимосвязанных вариантах
использования.

Рисунок 2 - Диаграмма деятельности подачи запроса

14
В рамках вариантов использования инициируемых действующим
лицом является «Клиент» имеющий три состояния действия: «Запросить
форму», «Заполнить данные» и «Отправить заявку».
Таким образом, были выявлены требования к проектируемой
информационной системе в части взаимодействия с пользователями, которые
представлены на диаграмме прецедентов. С помощью диаграмм деятельности
промоделированы последовательные шаги выполнения одного из основных
сценариев системы – подача запроса. Далее перейдем к детальному
проектированию ИС.

15
2.2. Детальное проектирование ИС
Для того чтобы показать декомпозицию системы по составляющим ее
фундаментальным блокам, была задействована диаграмма классов,
представленная на рисунке 3.

Рисунок 3 - Диаграмма классов


Диаграмма классов описывает типы объектов системы и различного
рода статические отношения, которые существуют между ними. На
диаграммах классов отображаются также свойства классов, операции классов
и ограничения, которые накладываются на связи между объектами. В UML
термин функциональность (feature) применяется в качестве основного
термина, описывающего и свойства, и операции класса.
На данной диаграмме классов представлены все классы системы и
отображено то, как они взаимодействуют между собой. Рассмотрим
подробнее класс «Клиент»:
«Клиент» – класс, отражающий пользователя системы. Пользователь
обладает следующими атрибутами:
 «ФИО» – публичный атрибут для идентификации пользователя в
системе.
 «Возраст» - публичный атрибут для идентификации пользователя
в системе.

16
 «Пол» - публичный атрибут для идентификации пользователя в
системе.
Классу «Клиент» доступны следующие операции:
 «Вход» - при вводе логина и пароля пользователь отправляет
запрос системе на проверку аутентификации.
 «Регистрация» - заполнение личной информации и создание
логина и пароля.
 «Просмотр информации» - просмотр информации по разным
видам кредита.
 «Подача запроса» - заполнение анкеты с целью проведения
кредитной оценки.
Для того, чтобы наглядно отобразить последовательность процессов
работы используется диаграмма последовательности, представленная на
рисунке 4.

Рисунок 4 - Диаграмма последовательности


На диаграмме последовательности отражен поэтапный процесс работы
системы. Взаимодействуя через интерфейс приложения, пользователь подает
запрос.
Таким образом, на основе рассмотренных всех возможных сценариев
взаимоотношений клиента и системы, в соответствии с нотацией UML было

17
проведено проектирование системы кредитного скоринга. В следующем
параграфе представлена программная реализация системы.

18
2.3. Программная реализация
Для разработки клиентского приложения ИС была использована среда
быстрой разработки приложений Embarcadero RAD Studio.
При запуске приложения пользователь переходит на форму, где должен выбрать
одно из действий: вход или регистрация (рисунок 5).

Рисунок 5
При выборе действия «Вход» пользователь должен пройти процедуру
аутентификации путем ввода логина и пароля (рисунок 6).

Рисунок 6 – Вход в систему


При выборе действия «Регистрация» пользователь должен заполнить
персональные данные и создать логин и пароль (рисунок 7).

19
Рисунок 7 – Регистрация
При выборе одного из действий пользователь переходит в главное меню
приложения, где может просмотреть информацию по кредитам, подать заявку, подобрать
кредит и просмотреть информацию о поданных им ранее заявкам, если они имеются
(рисунок 8).

Рисунок 8 – Главное меню


При нажатии на кнопку «подать заявку» происходит переход на форму заполнения
анкеты (рисунок 9).

20
Рисунок 9 - Анкета
На данной форме анкета уже содержит личные данные клиента. После
заполнения полей следует нажать на кнопку «отправить», что приведет к
возвращению на главное меню программы.
При выборе действия «просмотреть» пользователь переходит на форму,
содержащую поданные заявки (рисунок 10).

21
Рисунок 10 – Просмотр заявок
При выборе вкладки «Подобрать кредит» и по нажатию на кнопку «подобрать»
пользователь переходит на следующую форму. Заполнив соответствующие поля и при
нажатии на кнопку «Подобрать» система выводит список кредитов по заданным
критериям (рисунок 11).

Рисунок – 11 Подбор кредита


Таким образом, в спроектированной системе кредитного скоринга была
разработана анкета для оценки кредитоспособности. Анкета представляет
собой перечень необходимых показателей, на основе которых проводится
оценка благонадежности клиента.

Заключение
Подводя итог, отметим, что были рассмотрены виды кредитного
22
скоринга, выявлены требования к информационной системе и построена
диаграмма вариантов использования UML, отражающая основных
пользователей и их функциональные возможности. Для более четкого
понимания функционирования системы была построена диаграмма
деятельности, отражающая логику выполнения процедур и показывающая,
какие действия выполняются, и кто несет ответственность за их выполнение.
Для того чтобы представить систему по объектам, были выделены основные
классы, а также атрибуты и операции. Для того чтобы описать ход
выполнения процессов была построена диаграмма последовательности.
В результате проделанной работы была спроектирована система
скоринговой оценки кредитоспособности заемщика. Система представляет
собой клиентское приложение, через которое пользователь может
ознакомиться с видами кредита, заложенными в системе, выбрать
подходящий для него кредит и на основании вводимых данных получить
интерпретацию работы системы.

23
Список литературы
1. Андреева Г. Скоринг как метод оценки кредитного риска.
[Электронный ресурс].–URL:http://www.cfin.ru/finanalysis/banks/scoring.shtml,
свободный. −Загл. с экрана.
2. Лукашевич Н.С. Управление кредитными заявками на основе
автоматизированной системы кредитного скоринга // Современные научные
исследования и инновации. 2011. № 5 [Электронный ресурс]. URL:
http://web.snauka.ru/issues/2011/09/2262 (дата обращения: 11.01.2018).
3. Мартин Ф., Кендалл С. UML Основы / Ф.Мартин, С.Кендалл. –
СПб.:Символ-Плюс, 2002. – 192 с.
4. Википедия – свободная энциклопедия [Электронный ресурс]. -
URL: https://ru.wikipedia.org/wiki/Кредитный_скоринг (дата обращения:
23.12.2017).
5. Андрей Пищулин. Система кредитного скоринга: необходимости
и преимущества // Журнал "Финансовый Директор ISSN 1680 - 1148"
[Электронный ресурс]. URL:
http://www.finanalis.ru/litra/334/9241.html#review_anchor (дата обращения:
23.12.2017).
6. Ильясов С.М. Об оценке кредитоспособности банковского
заемщика; Деньги и Кредит, №9/2005, - 287 с.
7. Казакова И.И. О методах оценки кредитоспособности заемщика,
Деньги и Кредит, №6/2007 - 352 с.
8. Исаев, Г.Н., Проектирование информационных систем / Исаев,
Г.Н. – М.: Омега-Л, 2012. – 432с.
9. Руководство по кредитному менеджменту: Пер. с англ. / Под ред.
Б. Эдвардса. - М.: ИНФРА-М, 1996. – 464с.
10. Рамбо, Д. UML 2.0. Объектно-ориентированное моделирование и
разработка / Д. Рамбо, М. Блаха. – 2-е изд. изд. – СПб.: Питер, 2007. – 544 с.

24
25