Аннотация. 
Оценка кредитного риска при потребительском кредитовании

Объем потребительского кредитования в США на данный момент составляет более $ 3 трлн., в это же время бурно развивается область «peer-to-peer» (P2P) кредитования, так, например, объем выданных кредитов крупнейшей американской P2P заемной компании Lending Club составляет $ 4 млрд. Однако на данный момент сравнительно немного работ посвящено оценке кредитного риска при «peer-to-peer» кредитовании, оценка которого характеризуется рядом особенностей по сравнению с традиционным кредитованием. Термин P2P кредитование означает процесс кредитования между физическими лицами на онлайн-платформе без участия традиционных финансовых посредников, таких как коммерческие банки. В работе предложен способ моделирования кредитного риска при P2P кредитовании, в результате которого будут определены факторы, оказывающие влияние на кредитный риск при данном виде кредитования. Оценка кредитного риска проводится путем оценки вероятности дефолта заемщика на данных, предоставленных американской P2P заемной компанией Lending Club за 2008;2011 гг. с помощью построения модели бинарного выбора, а именно модели пробит и модели пробит с инструментальными переменными. Модель пробит с инструментальными переменными строится с целью корректировки модели на эндогенность некоторых факторов, а именно уровня использования возобновляемых заемных средств заемщиком. Инструментальными переменными выступают изначальный показатель, усредненный по группам кредитного риска и коэффициент отношения долга к доходу заемщика. В результате моделирования получено, что основными факторами, оказывающими влияние на кредитный риск заемщика, являются показатели кредитного риска, используемые в США и компаний Lending Club в частности, ставка процента по кредиту, доход заемщика, ставка рефинансирования, установленная Центральным Банком США на момент подачи заявки на кредит, кредитная история заемщика, а также упомянутый ранее уровень использования возобновляемых заемных средств заемщиком. Практическим приложением работы является использование результатов моделирования для формирования инвестиционных портфелей кредиторов, а также использование опыта по моделированию эндогенности при оценке кредитного риска коммерческими банками при разработке систем риск-менеджмента для потребительского кредитования.

Abstract.

Consumer lending in the United States currently accounts for more than $ 3 trillion. At the same a new branch of consumer lending — «peer-to-peer» (P2P) lending is developing rapidly, for example, the volume of loans given of largest American P2P lending company Lending Club accounts for more than $ 4 billion. However, there are quite a few studies considering credit risk evaluation in P2P lending, special features of credit risk evaluation remains unexplored in this area. The term P2P lending describes the loan origination process between private individuals on online platforms, without using services of traditional financial intermediaries such as a commercial banks. This paper proposes a method for modeling credit risk in P2P lending. The result of the modeling will be a list of factors influencing credit risk in this type of lending. Credit risk evaluation is carried out by assessing the probability of borrower’s default based on data provided by American P2P lending company Lending Club during 2008;2011 time period. Modeling method implies constructing a binary choice model, particularly probit model and probit model with instrumental variables. Probit model with instrumental variables is constructed in order to adjust the model for endogeneity of some factors, revolving line utilization rate in particular. Instrumental variables are the initial rate, averaged over groups of credit risk and the borrowers' debt-to-income ratio. The main factors influencing the credit risk of the borrower are credit risk indicators used in the USA and by Lending Club in particular, the interest rate of the loan, the borrower’s income, discount rate set by the Central Bank of the United States at the moment of filing for a loan, the borrower’s credit history, and previously mentioned revolving line utilization rate. Results are applied to building investor portfolios based on group of criteria derived from the credit risk modeling. Also the experience of modeling endogeneity in the process of credit risk evaluation may be useful to commercial banks during the development of risk-management systems for consumer lending.