Скоринг на службе страховых компаний. Страховой скоринг: новые горизонты страхования залогового имущества предприятий01.03.2016  Коэффициент скоринга в каско

Когда речь заходит о понятии риска применительно к финансовой сфере, в первую очередь, многим приходит в голову сегмент розничного кредитования. И речь, соответственно, о кредитном риске. При этом в кредитовании риск уже давно научились не только оценивать, но и управлять им. Кредитный риск рассчитывается с помощью предиктивных методик оценки вероятности дефолта заемщика в будущем. С этим уже на протяжении многих лет успешно справляются специально разработанные скоринговые модели.

Что же касается страхования, то даже для некоторых игроков на этом рынке до сих пор является сюрпризом возможность определения риска убыточности полиса по аналогии с расчетом кредитного риска. То есть при помощи все того же скоринга. Убыточность полиса, то есть отношение выплат по страховым событиям к собранной премии, является целевой переменной риска в страховании и, на первый взгляд, ничего общего с дефолтом по кредиту не имеет. Но на самом деле, у обоих этих события общая природа - не аккуратность и пренебрежение собственными обязательствами со стороны субъекта.

С внесением полтора года назад поправок в закон «О кредитных историях», у страховых компаний появилась возможность получать кредитные истории своих клиентов. Поскольку для страховщиков, как и для кредиторов, кредитные истории представляют наибольший интерес именно с точки зрения возможности оценки риска, перед страховой индустрией и, соответственно, перед НБКИ (в котором хранятся кредитные истории 74-х миллионов россиян), встал вопрос построения математической модели, предсказывающей убыточность на основе данных из кредитных историй - страхового скоринга.

Такую зависимость уже достаточно давно обнаружили и активно используют страховщики разных стран. В России о такой корреляции знали и раньше, но до 2014 года на практике использовать не могли: закон «О кредитных историях» не позволял предоставлять кредитную историю не кредиторам. Практически сразу же после вступления в силу поправок начались работы по формализации упомянутой зависимости. В работе приняли участие эксперты НБКИ, актуарии крупнейших страховых компаний и специалисты FICO - автора самого популярного и эффективного страхового скоринга в мире.

К середине 2015 года было обработано более 5 миллионов страховых полисов и совпадение с базой кредитных историй составило порядка 80%. Рассчитанный на базе кредитных историй страховой скоринг, также как и в розничном кредитовании, учитывает качество обслуживания кредитных обязательств, типы кредитов и историю пользования заемными средствами. Для простоты использования НБКИ и FICO сохранили шкалу скоринговой модели - от 350 до 850 баллов. При этом низкий балл означает высокий риск убыточности полиса, а высокий балл - наоборот.

Результаты тестирования модели на реальных полисах в автостраховании оказались сопоставимы с кредитным скорингом: КАСКО, для которых модель рассчитывала низкий скоринговый балл (менее 625) оказались на 20% убыточнее полисов с высоким баллом (более 725). Этот результат был подтвержден как для московских полисов, так и для региональных. Еще более наглядные результаты были получены при анализе убыточности от конкретных страховых событий. Например, по ущербу от угона автомобилей убыточность полисов в низких диапазонах скоринга в 5 раз выше, чем для верхнего диапазона. Очевидно, что это связано с тем, что страховой скоринг НБКИ смог выявить недобросовестных граждан, которым банки уже перестали давать в долг из-за их плохой платежной дисциплины и высокой закредитованности, и они пошли в страховые компании, надеясь с помощью страховых выплат и обмана решить свои финансовые проблемы. Другими словами, страховой скоринг НБКИ оказался полезен для предотвращения страхового мошенничества.

И, наконец, успешность проделанной работы в автостраховании позволяет надеяться на то, что и в других видах страхования применимы аналогичные технологии. По мнению НБКИ и крупных страховых компаний, поиск и валидация зависимостей между ответственностью человека и его поведением по большинству страховых продуктов - дело ближайшего будущего.

Летом 2014 года в результате поправок в 218-ФЗ «О кредитных историях» страховые компании получили возможность получать кредитные истории своих клиентов. Как и для кредиторов, для страховых компаний максимальный интерес кредитные истории представляют с точки зрения возможности оценки риска. В кредитовании оценка риска необходима для прогноза дефолта, в страховании – для прогноза убыточности по полису. Таким образом, перед страховой индустрией и Национальным бюро кредитных историй (НБКИ), местом, где хранятся кредитные истории 72 млн россиян, встал вопрос построения математической модели, предсказывающей убыточность на основе данных из кредитных историй, – страхового скоринга.

В работе по созданию страхового скоринга на основе кредитных историй принимали участие крупные российские страховые компании, НБКИ и международный лидер в области предиктивной аналитики – компания FICO. Опыт работы FICO на американских и европейских страховых рынках был взят за основу исследовательской работы и во многом обеспечил получение быстрого и сильного с математической точки зрения результата. Именно благодаря международному опыту мы сразу стали ориентироваться на моторное страхование. Эта отрасль во всем мире показывает сильную корреляцию между убыточностью по страховым полисам и персональной ответственностью клиента.

Для начала исследовательских упражнений была сформирована гипотеза о наиболее сильных прогнозных переменных из кредитной истории. На этом этапе был использован опыт построения кредитного скоринга, предсказывающего дефолт заемщика по кредитным обязательствам. Как и в страховании, в кредитном процессе кредитор оценивает ответственность клиента – его персональную характеристику, выстраиваемую на основе истории выполнения ранее взятых обязательств. Каждая переменная проходила тщательный анализ на сформированной базе исторических страховых полисов, в результате были выбраны наиболее сильные и стабильные переменные.

Среди наиболее сильных переменных, конечно, данные о нарушении обязательств. Количество и глубина просроченных платежей оказывают понижающее влияние на скоринговый балл. С другой стороны, приветствуется опыт пользования длинными кредитами: положительный опыт ипотеки и автокредитования оказывает повышающее влияние на результат. Одним из наиболее сложных вопросов для построения скоринговой модели стал учет региональной специфики. В результате в итоговую модель вошли несколько переменных, основанных на данных о регионе.

К неосновным, но тем не менее оказывающим влияние на скоринговый балл переменным можно отнести данные о членах семьи клиента. Эта информация включена в скоринговую модель для того, чтобы учесть ситуацию, при которой, например, один из супругов берет на себя все вопросы взаимодействия с кредиторами, хотя экономика у семьи общая. То есть, условно говоря, идеальная кредитная история женщины вовсе не означает, что у нее не будет проблем, если у ее мужа – сплошные нарушения по обязательствам.

Валидация переменных и скоринговой модели в целом – сложнейшая задача. Ее успешное решение во многом зависит от репрезентативности и объема данных, доступных для ретротестирования. В этой связи необходимо отдать должное лидерам российского рынка автострахования. Все они включились в работу по созданию и валидации модели буквально с первых дней. Цифры говорят сами за себя: общее количество участвовавших в анализе полисов каско – более 6,5 млн. Историческая ретроспектива полисов – более шести лет. Это позволило создать модель отдельно для Москвы и регионов, убедиться в ее стабильности – замеры осуществлялись по пяти реперным периодам с интервалом в один год. Была не только изучена корреляция скорингового балла с общей убыточностью по полисам, но и построена зависимость от отдельных видов – например, по убыточности от угона.

В результате полученная скоринговая модель показала: убыточность по полисам в низшем скоринговом диапазоне до 600 баллов (шкала страхового скоринга приведена к большинству популярных скорингов FICO: от 350 до 850 баллов, при этом меньшие значения балла означают больший риск) в среднем на 20% выше, чем в диапазоне от 700 баллов для Москвы и на 30% – для регионов.

Интересные результаты дало изучение корреляции скорингового балла с убыточностью по отдельным видам возмещений. Например, при изучении зависимости выплат по угонам автомобиля от скоринговых баллов выявлена аномалия – резкий рост убыточности (в 4–5 раз) в диапазоне ниже 550 баллов. Консультации с коллегами позволили дать объяснение этому явлению: граждане с низкой платежной дисциплиной и чрезмерной долговой нагрузкой уже не могут получить заемные средства у кредиторов, так как им отказывают, и пытаются решать свои материальные проблемы за счет страховых компаний. То есть фактически речь идет о страховом мошенничестве. Как выяснилось, страховой скоринг на базе кредитных историй позволяет эффективно противостоять и этой угрозе.

Полученные результаты открывают перспективы использования страхового скоринга на базе кредитных историй в моторном страховании в краткосрочной перспективе. Во-первых, страховые компании уже сейчас могут использовать скоринг НБКИ для ценообразования по каско и принятия решения о продаже полиса конкретным клиентам. Например, применяя повышающие коэффициенты для высокорисковых сегментов. Во-вторых, страховой скоринг применим для прогноза убыточности по портфелю – архиважная задача, с которой регулярно сталкиваются актуарии и от точности решения которой во многом зависит финансовый результат всей компании.

И наконец, успех создания скоринговой модели в автостраховании позволяет надеяться, что и в других видах страхования применимы аналогичные технологии. По оценкам НБКИ и крупных страховых компаний, поиск и валидация зависимостей между ответственностью человека и его поведением по большинству страховых продуктов – дело ближайшего будущего.

Скоринговые технологии популярны в разных сферах. Впервые их использовали в банковском деле для оценки благонадежности заемщика, позже скоринг распространился на многие сферы деятельности. В переводе данный термин означает «получение очков».

Страховые компании с помощью системы баллов определяют степень риска при заключении договора с конкретным покупателем, но и потенциальному клиенту такой подход сулит немало преимуществ.

Как страховщики изучают потребителей: анализ кредитной истории и телематические программы

Банковские учреждения давно взвешивают все «за» и «против» перед тем, как выдавать кредит: анализируют активность человека в интернете (сайты поиска вакансий, посты в соцсетях), принимают во внимание наличие образования и т. д.

Страховые компании лишь несколько лет назад получили доступ к кредитной истории граждан, информация используется с целью создания различных скоринговых систем.
Основные факторы, интересующие разработчиков программ моделирования рисков - количество просроченных платежей, частота нарушений, оформление ипотеки, автокредита. Среди дополнительных - сведения о составе семье. На основании полученных данных формируется «портрет» каждого покупателя. Чем выше оценки, тем ниже будет страховой тариф.

Инновационные технологии позволяют составить общее представление о поведении водителя на дороге благодаря телематическим устройствам. Оборудование отслеживает и передает оператору огромный массив информации:

• среднюю скорость движения;
• склонность к резкому торможению и опасным маневрам;
• количество поездок;
• дорожные инциденты.

По итогам тестового периода автомобилисту насчитывают баллы. Позитивная оценка дает право на неплохую скидку.

Как страховщики привлекают «безаварийных» водителей

Скоринг в страховом деле появился совсем недавно, раньше для развития подобных технологий не было ни источников информации для анализа, ни оборудования.

Общероссийской базы страхователей нет и вряд ли она появится в обозримом будущем. Найти данные о количестве аварий с участием автомобилиста можно в базе РСА. Осторожных водителей ценят все страховщики, они готовы предложить им скидки в случае перехода от своих конкурентов.

Ведущие компании каждому покупателю выставляют скоринговые баллы, от которых зависит конечная стоимость продукта. Статистика подтверждает выводы экспертов: полисы КАСКО, выданные страхователям с более низкими баллами, оказываются на 20 % убыточнее договоров, обладатели которых - водители с высокими оценками.

Деление клиентов на категории по степени риска - прогрессивная модель, повышающая рентабельность деятельности страховщика. Убедившись в том, что водитель бережет свою машину и предпочитает не нарушать ПДД, компания вознаграждает его скидкой. Такое сотрудничество выгодно обеим сторонам.

Скоринг: проблемные моменты

Компании разрабатывают разные скоринговые системы, основываясь на доступных им данных, в связи с чем результаты иногда кардинально отличаются. Найти источники информации о клиенте законным путем довольно сложно, ведь персональные данные граждан защищены.

Разработать качественную систему - дорогое удовольствие, не каждая СК имеет достаточно средств, чтобы нанять профессионального подрядчика.

В каких видах страхования актуален скоринг

Массовое использование в России пока получил лишь скоринг бюро кредитных историй – в моторном страховании. Выявленные зависимости позволяют существенно уточнять прогноз убыточности по полису каско и даже противодействовать попыткам мошенничества с имуществом. К примеру, тариф по каско зависит от возраста, пола, семейного положения автовладельца, марки и региона эксплуатации автомобиля, а также других параметров, которые страховщики называют тарифным фактором. По мнению заместителя генерального директора, директора по рискам – руководителя управления актуарных расчетов «Сбербанк страхование» Владимира Новикова , это и есть скоринг. С развитием цифровых технологий и аккумулированием больших объемов данных стало возможным кроме классических факторов оценки рисков использовать те, которые раньше не привлекали внимание андеррайтеров. Техника скоринга применима не только к оценке рисков: она хорошо работает при решении задач маркетинга, продаж, оптимизации урегулирования убытков, борьбе с мошенничеством, полагает Владимир Новиков .

По словам начальника отдела маркетинговых исследований СК «МАКС» Евгения Попкова , в недавнем прошлом страховой скоринг представлял собой весьма ограниченный инструментарий. Так, в большинстве случаев сотрудники офисов продаж пользовались страховыми калькуляторами по добровольным видам, в которых по определенным триггерам срабатывал контроль – «Требуется согласование андеррайтера» или «Необходима проверка СБ».

Александр Морозов, директор по статистике и аналитике Лаборатории Умного Вождения, утверждает, что скоринг по сути является персональной оценкой страхового риска. Эта оценка точнее в сравнении с традиционными моделями, рассчитанными на основе усредненных факторов.

Алексей Данилов, генеральный директор Adaperio , приводит следующий пример. Традиционные методы оценки всегда основывались на поведении усредненного пользователя – абстрактного страхователя определенного социально-демографического профиля, но по факту поведение, например, двух мужчин 35 лет, проживающих в Москве и пользующихся BMW, может кардинально отличаться. Именно в этом случае становятся полезны большие данные, которые позволят более точно определить риски страховой компании и, как результат, повлияют на показатели прибыли (убыточности).

Как научиться выявлять мошенничество в автостраховании, используя методы машинного обучения? Об этом на примере скоринг-модели с lift, равное 4, Илья Лопатинский , директор департамента поддержки розничного бизнеса Ингосстрах, расскажет на Scoring Days 2018 .

В мировой практике скоринговая оценка применяется во всех линиях бизнеса страховых компаний. В российской практике скоринг наиболее распространен в таких видах, как ДМС и автострахование, говорит генеральный директор БКИ «Эквифакс» Олег Лагуткин. «Самым экзотическим видом применения скоринга в нашей практике была оценка склонности к мошенничеству сотрудников страховых компаний, принимающих решения об условиях заключения договора страхования», ‒ рассказывает Олег Лагуткин . По его мнению, скоринговую оценку целесообразно внедрять в такие процессы, как антифрод, убытки и продажи.

Заместитель директора департамента андеррайтинга и управления продуктами СК «Согласие» Андрей Ковалев видит потенциал использования скоринга во всех добровольных массовых видах страхования (в том числе автостраховании, ДМС, страховании ИФЛ). Основная сфера использования скоринга – оценка риска и антифрод, но он может найти применение и в области поддержки продаж.

Заместитель генерального директора «ВТБ Страхования» Евгений Ниссельсон полагает, что скоринг целесообразнее использовать в продажах розничных продуктов, таких как автострахование, страхование имущества, страхование от несчастных случаев и т.д. Он позволяет снизить расходы на оценку риска и существенно ускорить данный процесс. Скоринг применим к типовым продуктам, для анализа специфических рисков необходимо использовать традиционные методы.

Мария Барсова, операционный директор ‒ заместитель генерального директора по имущественным видам страхования САО ЭРГО , рассказала, что компания использует кредитный скоринг в каско и индивидуальном страховании физических лиц, в основном в андеррайтинге и для определения тарификации.

Страховщики тестируют телематику

По словам начальника управления андеррайтинга в автостраховании ООО «Зетта Страхование» Дмитрия Рыкова , полисы на основе телематики пока не получили масштабного развития, но компания продолжает аккуратно тестировать эти продукты, наблюдает за рынком и готовится сделать интересное предложение. В СК «Согласие» также подтвердили, что реализация скоринга на данных телематических устройств находится в стадии разработки и тестирования. В «ВТБ Страховании» сообщили, что скоринг по данным телематики на промышленной основе страховщик не использует в силу ограниченного присутствия на рынке автострахования. При этом компания тестировала телематические системы разных производителей и результаты показали довольно высокую эффективность. Мария Барсова, операционный директор ‒ заместитель генерального директора по имущественным видам страхования САО ЭРГО , рассказала, что компания внедряла скоринг по данным телематических устройств и продолжает это делать, но нельзя утверждать, что ожидания оправдались на 100%. Объемы пока небольшие, и в связи с этим говорить о влиянии на убыточность рано.

«Любые данные полезны для улучшения оценки персонального страхового риска. Тем более если они неплохо коррелируют с этим самым риском и не имеют аналогов. Данные с телематических устройств, полученные напрямую от автомобиля, не могут быть качественно заменены другими факторами и отлично коррелируют со страховым риском, – отметил Александр Морозов, директор по статистике и аналитике Лаборатории Умного Вождения . – Поэтому можно точно сказать, что телематические данные полезны для скоринга. Результат внедрения зависит от конкретной модели, предложенной страховой компанией, состава, качества и стоимости самих данных, поэтому какую-то единую оценку называть будет некорректно».

Какие данные использовать при построении скоринга для каско? Об этом - в выступлении Фрэнка Шихалиева , руководителя отдела развития анализа данных "Ренессанс Страхование" 19 апреля на Scoring Days 2018 .

Технологии: чем пользуются страховщики

На вопрос, пользуется ли компания собственными разработками или разработками сторонних поставщиков, в компании «Согласие» заявили, что применяют оба этих подхода. «Несомненно, при внутренних разработках обеспечивается более высокая устойчивость бизнеса, но все же есть сферы, где компания не может осуществлять все разработки своими силами», – сказал Андрей Ковалев, заместитель директора департамента андеррайтинга и управления продуктами СК «Согласие» . Компания «ВТБ Страхование» использует готовые решения поставщиков, настроенные под потребности страховщика. Работу компании «Сбербанк страхование» в рамках скоринга можно разделить на две части. Одна часть – это анализ, где используются программное обеспечение и статистические пакеты, которые разработали для компании сторонние подрядчики. Вторая часть – остальные 50% успеха в применении скоринговых данных – определяется компетентностью сотрудников, то есть зависит от наличия в компании специалистов, умеющих работать с большими данными.

Начальник управления андеррайтинга в автостраховании ООО «Зетта Страхование» Дмитрий Рыков рассказал, что кроме собственных методик компания использует инструменты, предоставленные партнерами. Один из примеров – сервис Audatex, позволяющий проверять историю аварий по автомобилю. Другой пример – КБМ по ОСАГО, который также позволяет приблизительно оценить страховую историю клиента.

Инсайты скоринга от страховщиков и разработчиков

Выбор модели автомобиля действительно несет информацию о поведении клиента на дороге. Например, клиент, выбравший марку ТС, которая подчеркивает драйверские свойства машин, стабильно чаще попадает в аварии, чем клиент, который выбирает ТС аналогичного класса, мощности, размера и стоимости, но от производителя, который подчеркивает комфорт или надежность, рассказал Андрей Ковалев, заместитель директора департамента андеррайтинга и управления продуктами СК «Согласие».

Кейсы построения скоринга в автостраховании от Ильи Лопатинского из Ингосстраха и Фрэнка Шихалиева из Ренессанс Страхование - на конференции Scoring Days 2018 .

По мнению Дмитрия Рыкова, начальника управления андеррайтинга в автостраховании ООО «Зетта Страхование» , есть много интересных зависимостей: например, частота ДТП по страхователям, находящимся в разных семейных статусах, существенно различается. Так, женатые водители имеют наименьшую частоту страховых случаев и получают скидку в компании. Другая зависимость, которую компания обнаружила непосредственно в Москве, – взаимосвязь вероятности наступления страхового случая и адреса постоянной регистрации страхователя. Скидка для автовладельца, проживающего в районе с более безопасным трафиком, может составить 20% от стоимости полиса.

Владимир Шикин, заместитель директора по маркетингу НБКИ , сообщил, что, как правило, все закономерности имеют логическое объяснение, но бывает, что они обнаруживаются уже по факту. Например, в ходе тестирования в компании заметили, что в сегменте с низкими значениями банковского скоринга высока вероятность убытка от угона. «Мы сделали предположение, что в этом диапазоне могут находиться клиенты, которым в силу низкой ответственности банки уже не дают кредиты, и эти люди могут решать свои финансовые проблемы за счет страховых компаний. То есть, по сути, мы выявили индикатор потенциального мошенничества», – рассказал Владимир Шикин.

С 1 июля 2014 г. российский закон «О кредитных историях» действует с учетом поправок, которые открыли страховым компаниям доступ к кредитным историям клиентов. Таким образом, Россия, хоть и с запозданием, присоединилась к мировой практике скоринга на основе кредитных историй, который должен стать позитивным фактором роста прибыльности отечественных страховых компаний.

Модель классификации клиентской базы, получившая название «скоринг» (английское scoring это игровой термин, означающий подсчет очков) - это модель разделения клиентов на различные группы по некоторой характеристике, которая неизвестна, но связана с другими известными факторами, которые и берутся за основу.

Ощая философия скоринга не требует поиска объяснений: анализируя, к примеру, статистику невозврата кредитов, нет необходимости понимать, почему не вернул выданные деньги тот или иной клиент, но важно выделить характеристики, наиболее тесно связанные с ненадежностью клиентов. В мировой банковской практике при оценке нового клиента автоматизированные системы скоринга уже более полувека используются наравне с субъективным заключением кредитных инспекторов.

В кредитовании риск связан с возможным дефолтом заемщика; целевая переменная риска в страховании связана с соотношением страховых выплат и собранной премии. Что же общего между банковскими рисками и рисками страховщиков? Оказывается, и дефолт по кредиту, и убыточность по страховому полису имеют общую основу – неаккуратность субъекта и его пренебрежительное отношение к своим обязательствам.

Скоринговые системы исходят из предположения о сходстве поведения людей со сходными социальными показателями. И, как показывает практика, именно те субъекты, у которых возникают трудности с возвратом заемных средств, оказываются наиболее убыточными страхователями. Эта зависимость обнаружена уже достаточно давно и активно используется страховыми компаниями разных стран.

В России до недавнего времени преградой оставался упомянутый выше закон, после изменения которого работы по формализации зависимости между кредитными историями и убыточностью (безубыточностью) страховых полисов начались практически сразу. Помимо экспертов НБКИ и представителей крупнейших отечественных страховых компаний, в создании модели принимают участие специалисты FICO, которому принадлежит разработка самого эффективного в мире страхового скоринга.

В результате проведенной работы (а к маю текущего года было проанализировано свыше пяти миллионов страховых полисов в сегменте автострахования) установлено примерно 80%-ое совпадение с базой кредитных историй (скоринг учитывает типы кредитов, историю пользования заемных средств, качество обслуживания обязательств), так что россияне в этом аспекте мало отличаются от западных соседей.

Сохранили у нас и традиционную шкалу скоринговой банковской модели – от 350 (высокий риск убыточности полиса) до 850 баллов (низкий риск). После разработки модели было проведено ее тестирование на реальных полисах, подтвердившее эффективность инструмента: полисы каско, получившие согласно расчета с использованием скоринговой модели баллы менее 625, по сравнению с получившими скоринговый балл 725 и выше продемонстрировали и более высокую (на 20%) убыточность. Причем результат получил подтверждение и в Москве, и в регионах.

Более того, полученная модель оказалась потенциальным помощником в деле предотвращения страхового мошенничества: при анализе убыточности полисов по ущербу от угона автомобилей выяснилось, что убыточность полисов для носителей низких скоринговых баллов в целых пять раз выше!

Такое серьезное количественное расхождение дает основания предполагать, что скоринговая модель для страхования позволила обозначить категорию граждан, которые из-за плохой кредитной истории уже не пытаются получить заемные средства в банках и надеются решать финансовые проблемы с помощью получения незаконных страховых выплат. Не удивительно, что именно в сегменте автострахования страховой скоринг НБКИ начал использоваться в первую очередь!

Теперь на очереди – страхование недвижимости и страхование жизни. Есть все основания полагать, что и в этих страховых сегментах процент совпадения с кредитными историями будет высок: как подтверждает мировой опыт, добросовестный человек демонстрирует ответственность как по отношению к своим обязательствам, так и по отношению к своему имуществу, здоровью и семье.