|
ИИ способен революционизировать кредитование
|
|
|
|
Поскольку влияние искусственного интеллекта (ИИ) на мировую экономику неуклонно растет, одной из многих областей, в которых могут произойти сбои, является потребительское ценообразование. В ситуациях, когда разным потребителям предлагается один и тот же продукт или услуга по разным ценам, теперь можно лишить сотрудников возможности выбора и использовать компьютер для расчета наилучшей цены, используя комбинацию исторических данных о ценах, возможностей машинного обучения и алгоритмов. Например, такие авиакомпании, как Virgin Atlantic, используют машинное обучение, чтобы предлагать более выгодные авиабилеты. (Вы можете подумать, что цены на авиабилеты стандартизированы, но на самом деле на них влияют многочисленные факторы, например, место вашего проживания). Аналогичным образом банки продвигаются в этом направлении с помощью ипотечных кредитов.
|
|
|
|
В целом, ценообразование на кредиты может быть изменено. Недавно моя исследовательская группа опубликовала статью, посвященную автокредитованию в Северной Америке. Применив машинное обучение к тысячам решений о кредитовании через дилерские центры, мы обнаружили, что прибыль можно было бы увеличить на 34%. Однако за это приходится платить: это означало бы взимать с более рискованных заемщиков немного больше, чем в настоящее время. Как мы увидим, есть некоторые смягчающие факторы, которые, по мнению некоторых, даже оправдывают затраты. В любом случае, это вызывает серьезные вопросы о будущем кредитования. Еще несколько десятилетий назад цены на кредиты были одинаковыми для всех. Ситуация начала меняться после введения кредитных рейтингов в конце 1980-х годов. Они часто использовались для того, чтобы немного удорожать кредиты для клиентов с более высоким уровнем риска.
|
|
|
Отчасти это было сделано для того, чтобы покрыть расходы кредиторов, связанные с неплатежами и списанием безнадежных долгов, а отчасти потому, что более рискованные клиенты с меньшей вероятностью откажутся от кредитов с более обременительными условиями. Это означает, что они менее чувствительны к ценам, чем другие заемщики, в первую очередь потому, что их возможности более ограничены. Когда дело доходит до установления цен, решения часто делегируются продавцам. Наилучшая информация об этой практике получена из исследования, проведенного в Германии в 2014 году, которое показало, что 72% фирм, работающих в различных отраслях, включая финансовые услуги, применяли ее. Классическим примером является сектор автокредитования. Кредиторы поручают продавцам в дилерских центрах определять условия кредитования клиентов, включая процентные ставки, размер депозита и срок действия кредита. На протяжении десятилетий это считалось "наилучшей практикой". Способность продавцов субъективно оценивать чувствительность покупателей к ценам в точке продажи рассматривается как уникальное конкурентное преимущество. И, несмотря на потенциал искусственного интеллекта для принятия более точных решений с использованием гораздо большего объема данных, этот сектор только начал использовать его для определения цен на кредиты.
|
|
|
|
Мы хотели количественно оценить возможности, которые открываются перед нами. Мы сотрудничали с одним из автомобильных кредиторов в Канаде, используя его исторические данные для построения статистической модели, учитывающей важнейшие решения, принимаемые кредитором, продавцами и клиентами. Затем наш алгоритм оценил влияние различных цен на кредиты на решение клиента принять или отклонить предлагаемые условия. Исходя из этого, мы смогли определить цену, которая максимизирует прибыль для кредитора. Наши результаты подтвердили, что клиенты по-разному реагируют на цены кредитов, в первую очередь в зависимости от их профиля риска. Хотя их чувствительность к ценам может варьироваться в зависимости от страны или сектора, тот факт, что это распространенное явление, вероятно, означает, что наши выводы могут быть широко распространены.
|
|
|
|
На графике ниже показано, как наш алгоритм изменил бы цены на кредиты для нашего партнера-кредитора. Кредиты становятся немного дешевле для клиентов с низким и средним уровнем риска (уровень 1 и уровень 2) и дороже для группы с самым высоким уровнем риска (уровень 3). В то время как стоимость кредитов, предлагаемых продавцами, для клиентов 3-го уровня уже была в среднем на 0,5 процентных пункта выше, чем для клиентов 1-го уровня, алгоритм подсчитал, что дилерские центры могут взимать с клиентов с высоким уровнем риска на 1,07 процентных пункта больше. Кредитор только выиграет от этого, поскольку сможет получать дополнительные проценты за принятие на себя дополнительных рисков. На первый взгляд, рисковый заемщик оказывается в проигрыше, хотя это не так просто, как кажется на первый взгляд.
|
|
|
|
В реальной жизни процент одобрения займов клиентам с более низким уровнем риска был более чем на 50 процентных пунктов выше, чем клиентам с более высоким уровнем риска. Мы считаем весьма вероятным, что использование системы искусственного интеллекта для определения цен значительно увеличит долю одобренных кредитов для более рискованных клиентов, поскольку кредиторы получат более полную компенсацию за ведение бизнеса с ними. Также стоит подчеркнуть, что увеличение разницы в стоимости кредита при использовании системы искусственного интеллекта незначительно. При трехлетнем кредите в размере 20 000 фунтов стерлингов (34 338 канадских долларов) это разница между 658 фунтами стерлингов в месяц для клиентов с низким уровнем риска (под 12% годовых) и 668 фунтами стерлингов в месяц для клиентов с высоким уровнем риска (под 13,1% годовых).
|
|
|
|
Согласно нашим выводам, качественные данные могут заменить информацию, которую продавцы могут получить в торговом зале. В таких условиях централизованное ценообразование на основе искусственного интеллекта является явным победителем в гонке за прибылью. Весьма вероятно, что кредиторы захотят воспользоваться преимуществами этих новых технологий в ближайшие годы, несмотря на то, что до сих пор они не спешили внедрять машинное обучение для принятия решений о ценообразовании. В преддверии этого сдвига справедливость уже стала проблемой: финансовые регуляторы Великобритании некоторое время назад предупредили банки, что они могут использовать искусственный интеллект для выдачи кредитов только в том случае, если докажут, что этот подход не ставит в невыгодное положение тех, кому и так трудно получать кредиты. Как мы уже видели, эта технология может принести заемщикам с высоким уровнем риска как преимущества, так и недостатки. Поскольку компании все чаще хотят перейти на эти модели, дискуссии о плюсах и минусах, вероятно, будут только усиливаться.
|
|
|
|
Источник
|
