Рост доли NPL в розничных портфелях из-за синтетического фрода и социальной инженерии может съедать до 1,5–2% чистой прибыли банка ежегодно. Внедрение модуля Антифрод в составе Скоринг.PRO 2.0 позволяет снизить уровень просрочки на 15–25% за счет отсечения высокорисковых заявок еще на этапе пре-скоринга.
Экономика NPL: где банк теряет деньги
Традиционный кредитный риск связан с платежеспособностью, но современный NPL (Non-Performing Loans) часто формируется из-за мошеннических кредитов, где заемщик изначально не планировал возврат средств. В среднем по рынку доля таких «токсичных» кредитов в портфеле розничных банков составляет от 0,3% до 1,2% от общего объема выдач. При среднем чеке потребительского кредита в 300 000 рублей, пропуск всего 100 фрод-заявок в месяц создает дыру в 30 млн рублей в структуре активов.
Главная проблема — лаг обнаружения. Мошеннический кредит переходит в категорию NPL через 30–90 дней, когда попытки взыскания уже бесполезны. Экспертный вывод: бороться с NPL через коллекшн — это попытка лечить симптомы; единственный эффективный метод — фильтрация на входе через автоматизацию верификации заемщика в режиме реального времени.
Механика работы модуля Антифрод в Скоринг.PRO 2.0
Система переходит от анализа статических данных к поведенческому и техническому анализу. Модуль Антифрод анализирует более 50 параметров: от цифрового отпечатка устройства (Device Fingerprinting) до анализа скорости заполнения анкеты. Если заявка на 500 000 рублей заполнена за 15 секунд (что невозможно для реального человека), система мгновенно присваивает ей статус «High Risk».
Кейс: Банк среднего размера внедрил проверку на синтетические личности. Результат — выявление 12% заявок, где использовались реальные паспортные данные, но скомбинированные с чужими номерами телефонов и email-адресами. Это позволило избежать потенциальных убытков в размере 45 млн рублей за первый квартал. Мой вывод: использование только БКИ недостаточно, так как данные в БКИ обновляются с задержкой, и только динамический анализ дает защиту «здесь и сейчас».
Расчет влияния на качество кредитного портфеля
Внедрение модуля Антифрод напрямую влияет на показатель Cost of Risk (стоимость риска). При переходе на Скоринг.PRO 2.0 банк может рассчитывать на снижение доли NPL в новом портфеле на 0,2–0,5 процентных пункта. Это достигается за счет исключения сегмента заемщиков с «критическими маркерами фрода», которые традиционный скоринг мог бы одобрить из-за чистого кредитного рейтинга.
Сравним два подхода: при ручной проверке риск-офицером (время анализа 20–40 мин) пропускается до 5% фрода из-за человеческого фактора. Автоматизированный конвейер сокращает долю пропусков до <1%. Экспертная оценка: инвестиции в систему окупаются в течение 4–7 месяцев за счет сокращения резервирования капитала под возможные потери по кредитам (LLP).
Синтез антифрода и альтернативного скоринга
Максимальный эффект достигается, когда модуль Антифрод работает в связке с интеграцией альтернативных данных в кредитный конвейер. Когда система видит, что устройство заемщика чистое, а поведенческий профиль соответствует заявленному доходу (например, активность в приложениях доставки, такси, e-commerce), вероятность дефолта снижается еще на 10–12%.
Пример: Заемщик с низким кредитным рейтингом, но с подтвержденным цифровым профилем и отсутствием фрод-маркеров, получает одобрение с меньшим лимитом. Это расширяет воронку продаж без увеличения общего риска портфеля. Мой вывод: разделение антифрода и скоринга — стратегическая ошибка; они должны работать как единый фильтр, где антифрод отсекает мошенников, а скоринг оценивает платежеспособность.
Вывод
Для минимизации NPL в 2025-2026 годах банкам следует отказаться от модели «сначала одобрение — потом проверка». Оптимальный путь: внедрение Скоринг.PRO 2.0 с обязательным модулем Антифрод в качестве первого фильтра воронки. Рекомендую начинать с настройки жестких стоп-факторов по Device ID и поведенческим маркерам, чтобы мгновенно очистить портфель от синтетического фрода. Избегайте систем, которые предлагают только проверку по черным спискам — они безнадежно устарели, так как мошенники меняют реквизиты быстрее, чем обновляются базы данных.