По мнению экспертов, финансовые Р2Р-платформы имеют огромные перспективы и могут со временем оттеснить с рынка традиционные финансовые институты – прежде всего банки. Однако конкурентное преимущество банков заключается в том, что они обладают целым штатом аналитиков и инвестиционными возможностями для создания системы экспертизы претендующих на финансирование проектов. Что P2P-платформы могут противопоставить банковской экспертизе? Что им сделать, чтобы инвесторы чувствовали себя уверенными и защищенными? Своим мнением с if24.ru поделился генеральный директор Penenza Дмитрий Пангин: «Для улучшения скоринга P2P-платформы могут имплементировать искусственный интеллект. Для каждого типа займа в Penenza.ru разрабатывают отдельную методику оценки рисков. Разработка модели осуществляется в несколько этапов. Сначала происходит анализ внутренней структуры риска для данного вида займа. Затем выявляются закономерности: как сотни параметров, характеризующих компанию, влияют на то, станет ли она
По мнению экспертов, финансовые Р2Р-платформы имеют огромные перспективы и могут со временем оттеснить с рынка традиционные финансовые институты – прежде всего банки. Однако конкурентное преимущество банков заключается в том, что они обладают целым штатом аналитиков и инвестиционными возможностями для создания системы экспертизы претендующих на финансирование проектов. Что P2P-платформы могут противопоставить банковской экспертизе? Что им сделать, чтобы инвесторы чувствовали себя уверенными и защищенными?
Своим мнением с if24.ru поделился генеральный директор Penenza Дмитрий Пангин:
«Для улучшения скоринга P2P-платформы могут имплементировать искусственный интеллект. Для каждого типа займа в Penenza.ru разрабатывают отдельную методику оценки рисков. Разработка модели осуществляется в несколько этапов. Сначала происходит анализ внутренней структуры риска для данного вида займа. Затем выявляются закономерности: как сотни параметров, характеризующих компанию, влияют на то, станет ли она банкротом, сможет ли исполнить обязательство и т.д.? На этом этапе используется обширная база данных о российском бизнесе, собранных в том числе из государственных реестров. В базе есть информация более чем о 6 млн российских организаций – финансовая отчетность за несколько лет, информация о собственниках и руководителях, исполнительные производства, арбитражные разбирательства о банкротствах, участие в тендерах и госконтрактах (а у банков добавляется собственная база транзакций). Для выявления закономерностей используются методы ML – градиентный бустинг, «случайный лес», нейросети, которые позволяют строить значительно более точные прогнозные модели по сравнению с классическими скоринговыми подходами. Далее – пилотное тестирование методики: новая модель обкатывается на пилотных займах. Обычно в пилотном режиме выдается от нескольких десятков до двух сотен займов. И модель, конечно, требуется постоянно обновлять».
Полная версия материала доступна на сайте журнала Инвест-Форсайт.