โมเดลการให้คะแนน ประเภทของแบบจำลองการให้คะแนน ข้อเสียของระบบการให้คะแนน

ให้เราพิจารณารูปแบบการล้มละลายขององค์กรและรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการประเมินความสามารถในการละลายขององค์กร

โมเดลการให้คะแนนสำหรับการประเมินองค์กรคืออะไร

วิธีการให้คะแนนเพื่อประเมินความสามารถในการละลายขององค์กรประกอบด้วยการวิเคราะห์สถิติเกี่ยวกับวิสาหกิจเกี่ยวกับการปฏิบัติตามภาระผูกพันต่อเจ้าหนี้ซึ่งมีข้อมูลอยู่ในสำนักประวัติเครดิต ดังนั้น บางครั้งแบบจำลองการให้คะแนนจึงเรียกว่าแบบจำลองการให้คะแนนเครดิตในวรรณกรรม ( เครดิต-คะแนน) หรือแบบจำลองการให้คะแนนเครดิต ดังนั้น เราสามารถพูดได้ว่าแบบจำลองการให้คะแนนเครดิตเป็นแบบจำลองทางสถิติสำหรับการประเมินความสามารถในการละลายขององค์กร

ประวัติความเป็นมาของแนวทางการให้คะแนนเพื่อการประเมิน

ก่อนหน้านี้ โมเดลการให้คะแนนได้รับการพัฒนาโดยเฉพาะเพื่อประเมินความน่าเชื่อถือทางเครดิตของบุคคลเพื่อวัตถุประสงค์ในการออกสินเชื่อโดยธนาคาร แนวทางนี้เสนอครั้งแรกโดย D. Durand ในปี 1941 เพื่อจัดประเภทลูกค้าธนาคารออกเป็นสองประเภท: มีความน่าเชื่อถือและไม่น่าเชื่อถือ ในการกำหนดระดับ มีการคำนวณตัวบ่งชี้เพื่อให้สามารถสรุปเกี่ยวกับความเสี่ยงของการล้มละลายได้ คะแนนสำหรับแบบจำลองการให้คะแนนจะถูกคำนวณโดยใช้เครื่องมือการถดถอยโลจิสติก โดยพื้นฐานแล้ว แบบจำลอง logit สำหรับการประเมินความเสี่ยงของการล้มละลายของบุคคลและองค์กรก็ถูกสร้างขึ้นเช่นกัน

งานของแนวทางการให้คะแนนเพื่อประเมินความสามารถในการละลายขององค์กร

งานของแบบจำลองการให้คะแนนเพื่อประเมินความสามารถในการละลายขององค์กรคือการจำแนกประเภทตามระดับความเสี่ยงทางการเงิน วิธีการให้คะแนนนั้นคล้ายคลึงกับวิธีการให้คะแนนสำหรับการประเมินองค์กรเนื่องจากมีการจัดอันดับ (คลาส) สำหรับองค์กรด้วย นอกจากนี้ยังมีคะแนนและการกำหนดคะแนนให้กับตัวบ่งชี้ทางการเงิน

ความแตกต่างก็คือด้วยเหตุนี้ จึงมีการกำหนดอันดับและบริษัทอยู่ในกลุ่มความสามารถในการละลาย เช่น นอกจากการประเมินแล้ว ยังมีการจำแนกประเภทด้วย นอกจากนี้จากการให้คะแนนจะได้รับการจัดอันดับสำหรับองค์กรและการจัดอันดับสำหรับอัตราส่วนทางการเงินที่อธิบายองค์กร

แบบจำลองการให้คะแนนเพื่อประเมินความสามารถในการละลายขององค์กร

ลองพิจารณาแบบจำลองการให้คะแนนในประเทศเพื่อประเมินความสามารถในการละลายขององค์กร ให้เราวิเคราะห์แบบจำลองการให้คะแนนในประเทศสองแบบ Dontsova-Nikiforova และ Savitskaya แบบจำลองเหล่านี้ได้รับการออกแบบมาเพื่อประเมินความเสี่ยงของการล้มละลายของวิสาหกิจในประเทศ เอาล่ะ มาเริ่มกันเลย

โมเดลการให้คะแนนของดอนต์โซวา-นิกิฟอโรวา (1999)

ดอนโซวา แอล.วี.

นักเศรษฐศาสตร์ Dontsova L.V. และ Nikiforova N.A. เสนอแบบจำลองการให้คะแนนสำหรับการประเมินความสามารถในการละลายขององค์กร ซึ่งช่วยให้องค์กรสามารถจำแนกประเภทความสามารถในการละลายได้เป็นหนึ่งในหกประเภท โดยพิจารณาจากการประเมินอัตราส่วนทางการเงินหกอัตราส่วน

ดัชนี	1 ชั้นเรียน(จุด)	ชั้นประถมศึกษาปีที่ 2(จุด)	ชั้นประถมศึกษาปีที่ 3(จุด)	ชั้นประถมศึกษาปีที่ 4(จุด)	ชั้นประถมศึกษาปีที่ 5(จุด)	ชั้นประถมศึกษาปีที่ 6(จุด)
อัตราส่วนสภาพคล่องสัมบูรณ์	0.25 ขึ้นไป (20)	0.216	0.15(12)	0.1(8)	0.05(4)	น้อยกว่า 0.05(0)
อัตราส่วนด่วน	1 หรือมากกว่า(18)	0.9(15)	0.8 (12)	0.7(9)	0.6(6)	น้อยกว่า 0.5(0)
	2 หรือมากกว่า (16.5)	1.7(120	1.4(7.5)	1.1(3)	1(1.5)	น้อยกว่า 1(0)
	0.6 และมากกว่านั้น(17)	0.54(12)	0.43(7.4)	0.41(1.8)	0.4(1)	น้อยกว่า 0.4(0)
อัตราส่วนสำรองเงินทุนหมุนเวียนของตนเอง	0.5 ขึ้นไป(15)	0.4(12)	0.3(9)	0.2(6)	0.1(3)	น้อยกว่า 0.1(0)
อัตราส่วนความครอบคลุมของสินค้าคงคลัง	1 หรือมากกว่า(15)	0.9(12)	0.8(9)	0.7(6)	0.6(3)	น้อยกว่า 0.6(0)
ค่าต่ำสุดของขอบเขตเป็นจุด	100	64	50	28	18	–
ชั้น 1>100 คะแนน	บริษัทมีอัตรากำไรขั้นต้นที่แข็งแกร่งทางการเงินที่ดี
ชั้นประถมศึกษาปีที่ 2>64 คะแนน	บริษัท มีความน่าจะเป็นในการชำระหนี้ไม่มีนัยสำคัญโดยทั่วไปมีความเสี่ยง
ชั้นประถมศึกษาปีที่ 3>50 คะแนน	องค์กรที่มีปัญหา
ชั้นประถมศึกษาปีที่ 4>28 คะแนน	บริษัทมีความเสี่ยงสูงที่จะล้มละลาย
ชั้นประถมศึกษาปีที่ 5>18 คะแนน	บริษัทมีความเสี่ยงสูงที่จะล้มละลาย มาตรการฟื้นฟูไม่น่าจะช่วยอะไรได้
ชั้นประถมศึกษาปีที่ 6<18 баллов	บริษัทล้มละลายทางการเงิน

บันทึก:

ในรูปแบบการประเมิน สิ่งที่เน้นหลักอยู่ที่อัตราส่วนสภาพคล่อง (อัตราส่วนสภาพคล่องอย่างรวดเร็ว อัตราส่วนสภาพคล่องสัมบูรณ์) รวมถึงอัตราส่วนการหมุนเวียน (อัตราส่วนเงินทุนหมุนเวียนของตัวเอง อัตราส่วนความครอบคลุมสินค้าคงคลัง)

ราคาต่อรอง	สูตร	การคำนวณ
อัตราส่วนสภาพคล่องสัมบูรณ์	(เงินสด + เงินลงทุนระยะสั้น) / หนี้สินระยะสั้น	หน้า 1250 / (หน้า 1510+หน้า 1520)
อัตราส่วนด่วน	(สินทรัพย์หมุนเวียน - สินค้าคงเหลือ) / หนี้สินหมุนเวียน	(หน้า 1250+หน้า 1240) / (หน้า 1510+หน้า 1520)
อัตราส่วนปัจจุบัน
อัตราส่วนอิสรภาพทางการเงิน	ส่วนของผู้ถือหุ้น/สินทรัพย์	หน้า 1300 / หน้า 1600
อัตราส่วนสำรองเงินทุนหมุนเวียนของตนเอง	(ส่วนของผู้ถือหุ้น - สินทรัพย์ไม่หมุนเวียน) / สินทรัพย์หมุนเวียน	(หน้า 1300-หน้า 1100) / หน้า 1200
อัตราส่วนความครอบคลุมของสินค้าคงคลัง	อัตราส่วนการหมุนเวียนสินค้าคงคลัง= รายได้จากการขาย / สินค้าคงคลังเฉลี่ย	หน้า 2110 / (หน้า 1210 np.+p.1210 kp.)0.5*

n.p. และเคพี – มูลค่าของงบดุล ณ วันต้นงวดและจุดสิ้นสุดของงวดตามลำดับ

โมเดลการให้คะแนนของ Savitskaya (2007)

Savitskaya G.V.

ศาสตราจารย์ จี.วี. Savitskaya เสนอแบบจำลองการให้คะแนนเครดิตของเธอสำหรับการประเมินสถานะทางการเงินขององค์กร ความแตกต่างก็คือในรูปแบบที่องค์กรแบ่งออกเป็นห้าประเภทและใช้อัตราส่วนทางการเงินสามอัตราส่วนสำหรับสิ่งนี้

ดัชนี	1 ชั้นเรียน	ชั้นประถมศึกษาปีที่ 2	ชั้นประถมศึกษาปีที่ 3	ชั้นประถมศึกษาปีที่ 4	ชั้นประถมศึกษาปีที่ 5
ผลตอบแทนจากเงินทุนทั้งหมด, %	30 ขึ้นไป (50 คะแนน)	29.9-20(49.9-35 คะแนน)	19.9-10(34.9-20 คะแนน)	9.9-1(19.9-5 คะแนน)	น้อยกว่า 1(0 คะแนน)
อัตราส่วนปัจจุบัน	2 ขึ้นไป (30 คะแนน)	1.99-1.7(29.9-20 คะแนน)	1.69-1.4(19.9-10 คะแนน)	1.39-1.1(9.9-1)	1 และต่ำกว่า (0 คะแนน)
	0.7 ขึ้นไป (20 คะแนน)	0.69-0.45(19.9-10 คะแนน)	0.44-0.3(9.9-5 คะแนน)	0.29-0.2(4.9-1 คะแนน)	น้อยกว่า 0.2(0 คะแนน)
ขอบเขตของชั้นเรียน	100 คะแนน	99-65	64-35	34-6	0 คะแนน
ชั้น 1>100 คะแนน	องค์กรที่มีความแข็งแกร่งทางการเงินที่ดี
ชั้นประถมศึกษาปีที่ 265-99 คะแนน	บริษัทมีความเสี่ยงต่ำที่จะไม่ชำระหนี้
ชั้นประถมศึกษาปีที่ 3 ได้ 35-64 คะแนน	องค์กรที่มีปัญหา
ชั้นประถมศึกษาปีที่ 46-34 คะแนน	บริษัทมีความเสี่ยงสูงที่จะล้มละลาย ผู้ให้กู้เสี่ยงต่อการสูญเสียเงินลงทุน
ชั้นประถมศึกษาปีที่ 50 คะแนน	บริษัทล้มละลาย

บันทึก:

อัตราส่วนทางการเงินสองในสามกำหนดความสามารถในการละลายขององค์กร โดยที่อัตราส่วนสภาพคล่องกำหนดสภาพคล่องในระยะสั้น และอัตราส่วนความเป็นอิสระทางการเงินกำหนดสภาพคล่องในระยะยาวขององค์กร

ค่าสัมประสิทธิ์ความเป็นอิสระทางการเงิน = สัมประสิทธิ์ความเป็นอิสระ

การคำนวณอัตราส่วนทางการเงินในรูปแบบการให้คะแนน

ราคาต่อรอง	สูตร	การคำนวณ
ผลตอบแทนจากเงินทุนทั้งหมด	กำไรก่อนภาษี/หนี้สิน	หน้า 2300 / หน้า 1700
อัตราส่วนปัจจุบัน	สินทรัพย์หมุนเวียน / หนี้สินหมุนเวียน	หน้า 1200 / (หน้า 1510+หน้า 1520)
อัตราส่วนอิสรภาพทางการเงิน	ส่วนของผู้ถือหุ้น/สินทรัพย์	หน้า 1300 / หน้า 1600

สรุป

ให้เราสรุปการวิเคราะห์แบบจำลองการให้คะแนนเครดิตเพื่อประเมินความสามารถในการละลายขององค์กร ข้อดีประการหนึ่งที่ไม่อาจปฏิเสธได้คือโมเดลเหล่านี้ได้รับการพัฒนาสำหรับองค์กรในประเทศ ความยากลำบากประการหนึ่งของการประเมินโดยใช้แบบจำลองดังกล่าวคือความยุ่งยากในการคำนวณและการใช้อัตราส่วนทางการเงินที่ไม่สามารถเข้าใจได้บ่อยครั้ง การใช้งานสามารถใช้ร่วมกับวิธีอื่นในการประเมินสถานะทางการเงินได้ดี

ขอขอบคุณสำหรับความสนใจของคุณ! ขอให้โชคดี!

การให้คะแนน (จากคะแนนภาษาอังกฤษ บัญชี) เป็นวิธีการประเมินความน่าเชื่อถือทางเครดิต คุณในฐานะผู้ยืมมีความสนใจในการให้คะแนนเพื่อการวินิจฉัยตนเอง: เพื่อค้นหาสาเหตุของการปฏิเสธสินเชื่อหรือเพื่อประเมินโอกาสในการกู้ยืมในอนาคต ในบทความนี้ เราจะบอกวิธีค้นหาคะแนนของคุณและวิธีเพิ่มคะแนน

การให้คะแนนทำงานอย่างไร

เพื่อประเมินความน่าเชื่อถือทางเครดิต การให้คะแนนต้องใช้ข้อมูล ข้อมูลอาจมาจากแหล่งต่างๆ เช่น ประวัติเครดิต โปรไฟล์ผู้กู้ยืม โซเชียลเน็ตเวิร์ก ฯลฯ การให้คะแนนจะประมวลผลข้อมูลและกำหนดคะแนน ยิ่งคะแนนคะแนนสูงเท่าไร โอกาสในการได้รับเงินกู้ตามเงื่อนไขที่ดีก็จะยิ่งมากขึ้นเท่านั้น

คะแนนการให้คะแนนไม่ใช่ค่าคงที่ มันเปลี่ยนแปลงขึ้นอยู่กับการกระทำของผู้ยืม ตัวอย่างเช่น ผู้กู้กู้ยืมเงิน - ภาระเครดิตเพิ่มขึ้นและคะแนนการให้คะแนนลดลง หากคุณชำระเงินล่าช้า คะแนนของคุณจะลดลงไปอีก หากผู้กู้ชำระหนี้อย่างระมัดระวังโดยไม่ชักช้า คะแนนก็จะเพิ่มขึ้น

ประเภทของการให้คะแนน

ธนาคารใช้แอปพลิเคชัน การให้คะแนนตามพฤติกรรมและการฉ้อโกง

การให้คะแนนแอปพลิเคชันแบ่งออกเป็นสังคมประชากรและเครดิต ขั้นแรกจะวิเคราะห์โปรไฟล์ของผู้ยืม: อายุและเพศ งาน อายุงาน รายได้ ส่วนที่สองวิเคราะห์ประวัติเครดิต: จำนวนเงินกู้ที่ผู้ยืมได้รับ วิธีการชำระเงิน จำนวนเงินที่เขาจ่ายตอนนี้ ฯลฯ

การให้คะแนนพฤติกรรมคาดการณ์ว่าผู้กู้จะชำระคืนเงินกู้อย่างไร: เท่าๆ กัน ก่อนกำหนด หรือค้างชำระ ตัวอย่างเช่นการให้คะแนนพฤติกรรมสามารถทำได้โดยธนาคารเงินเดือน - รู้ว่าผู้ยืมใช้บัตรอย่างไรเขาใช้เงินไปเท่าไรและทำอะไร

คะแนนที่ฉ้อโกงต่อสู้กับการผิดนัดชำระหนี้โดยเจตนา การให้คะแนนนี้จะวิเคราะห์ฐานข้อมูลของกระทรวงกิจการภายใน, Federal Bailiff Service, บริการรักษาความปลอดภัยภายใน ตลอดจนข้อมูลที่น่าสงสัยในประวัติเครดิต เช่น การเปลี่ยนแปลงที่อยู่และหมายเลขโทรศัพท์บ่อยครั้ง

คุณในฐานะผู้ยืมสามารถประเมินตัวเองได้โดยใช้การให้คะแนนสองประเภท: เครดิตและสถิติประชากรศาสตร์

การให้คะแนนเครดิต

การให้คะแนนเครดิตใช้เพื่อประเมินผู้กู้ที่ได้กู้เงินไปแล้ว คะแนนการให้คะแนนจะคำนวณจากการวิเคราะห์ประวัติเครดิตของคุณ

ตัวอย่างรายงานการให้คะแนนเครดิต

การให้คะแนนทางสังคมและประชากร

การให้คะแนนด้านประชากรศาสตร์มีไว้สำหรับผู้กู้ยืมที่มีประวัติเครดิตว่างเปล่าหรือไม่มีเลย โดยจะวิเคราะห์อายุ เพศ สถานภาพสมรส การมีอยู่ของผู้อยู่ในอุปการะ การศึกษา วิชาชีพ ประสบการณ์การทำงาน รายได้ และภูมิภาคที่พำนัก

การให้คะแนนการสาธิตทางสังคมจะเปรียบเทียบข้อมูลของผู้กู้ยืมที่ได้รับการตรวจสอบกับลูกค้าเดิมของธนาคารเพื่อประเมินความน่าเชื่อถือ ตัวอย่างเช่น ตามสถิติของธนาคาร ผู้ที่มีอายุ 30 ปีขึ้นไปสามารถชำระคืนเงินกู้ได้สม่ำเสมอมากกว่าคนหนุ่มสาว ดังนั้นผู้กู้ที่มีอายุมากกว่า 30 ปี อย่างอื่นเท่ากันจะได้รับคะแนนที่สูงกว่า

ตัวอย่างรายงานการให้คะแนนทางสังคมและประชากร

ถอดรหัสคะแนนสะสม

เครดิต	โซซิโอเดโมโกร	การถอดรหัส
690-850	1000-1200	ผลลัพธ์สูงสุด คุณอยู่ในหมวดหมู่ของผู้กู้ยืมที่เชื่อถือได้ ธนาคารยินดีอนุมัติสินเชื่อในเงื่อนไขที่ดีกว่า
650-690	750-1000	ผลลัพธ์ที่ดี มีความเป็นไปได้สูงที่จะได้รับเงินกู้ตามเงื่อนไขมาตรฐาน
600-650	500-750	ผลลัพธ์ที่ยอมรับได้ ธนาคารจะต้องมีใบรับรองเพิ่มเติมเพื่อยืนยันความสามารถในการละลาย เช่น 2-NDFL
500-600	250-500	ผลลัพธ์ที่อ่อนแอ ด้วยคะแนนดังกล่าว คุณไม่น่าจะได้รับเงินกู้จากธนาคารขนาดใหญ่ ติดต่อธนาคารหรือสหกรณ์เครดิตระดับภูมิภาคขนาดเล็ก
300-500	0-250	ผลลัพธ์ที่แย่ที่สุด ธนาคารไม่น่าจะอนุมัติเงินกู้ได้ ติดต่อ MFO หรือ KPK เสนอหลักประกันผู้ให้กู้

วิธีเพิ่มคะแนนคะแนนของคุณ

หากคุณมีคะแนนเครดิตต่ำ มีเพียงทางเลือกเดียวเท่านั้นที่จะเพิ่มคะแนนได้ นั่นก็คือ ปรับปรุงประวัติเครดิตของคุณ สำหรับสิ่งนี้:

และตรวจสอบว่าทุกสิ่งในนั้นเป็นจริงหรือไม่ บางครั้งสถาบันสินเชื่อส่งข้อมูลช้ามากหรือแทบไม่ส่งข้อมูลเลยด้วยซ้ำ ตัวอย่างเช่น คุณชำระคืนเงินกู้แล้ว แต่ปรากฏอยู่ในประวัติเครดิตของคุณว่าเปิดอยู่ ซึ่งจะช่วยลดคะแนนการให้คะแนน
อ่านบทความ
ปิดการชำระเงินล่าช้าและสินเชื่อที่ไม่จำเป็น: บัตรเครดิต, สินเชื่อรายย่อย, สินเชื่อสำหรับอุปกรณ์ ยิ่งเปิดเงินกู้น้อย คะแนนก็จะยิ่งสูงขึ้น
หากคุณมีเงินกู้ที่ค้างชำระในช่วงสองปีที่ผ่านมา คุณจะต้องฟื้นฟูชื่อเสียงของคุณในฐานะผู้กู้ยืมที่เชื่อถือได้ ในการดำเนินการนี้ ให้ออกเงินกู้ใหม่และชำระเงินอย่างระมัดระวัง พวกเขาไม่ให้เงินกู้โดยไม่มีหลักประกัน - ให้หลักประกัน, หาผู้กู้ร่วม ใช้บริการ. หลังจากหกเดือนหรือหนึ่งปี คะแนนคะแนนจะเพิ่มขึ้น

หากต้องการเพิ่มคะแนนทางสังคมและประชากรศาสตร์ ให้ศึกษา "ปัจจัย" จากรายงานและพยายามแก้ไข ตัวอย่างเช่น หากคุณเป็นผู้ประกอบการรายบุคคล ให้หางานทำและทำงานเป็นลูกจ้างเป็นเวลาหกเดือน หาผู้กู้ร่วม ไปต่างประเทศ หาแหล่งรายได้เสริม

จดจำ

การให้คะแนนช่วยให้ผู้กู้ประเมินความน่าเชื่อถือทางเครดิตของตนเองและเข้าใจสาเหตุของการปฏิเสธของธนาคาร

การให้คะแนนมีหลายประเภท: บางประเภทวิเคราะห์ประวัติเครดิต บางประเภทเป็นแบบสอบถาม และบางประเภทมองหาสัญญาณของการฉ้อโกง การให้คะแนนมีสองประเภทสำหรับคุณ: ข้อมูลประชากรทางสังคมและประชากรศาสตร์ ประการแรกเกี่ยวข้องกับผู้กู้ที่มีประสบการณ์ในการให้กู้ยืม ส่วนประการที่สอง - สำหรับผู้ที่ไม่เคยกู้ยืมเงินมาก่อน

คะแนนการให้คะแนนจะแตกต่างกันไปขึ้นอยู่กับพฤติกรรมเครดิต คะแนนสามารถลดลงหรือเพิ่มขึ้นได้

ในการสร้างแบบจำลองการให้คะแนน (และไม่คำนึงถึงวิธีการทางคณิตศาสตร์ที่เลือก) จะมีการสุ่มตัวอย่างที่เป็นตัวแทนของผู้สมัครก่อนหน้านี้ (จากหลายพันถึงหลายแสนราย ซึ่งไม่เป็นปัญหาสำหรับอุตสาหกรรมที่ให้บริการลูกค้าหลายสิบล้านราย) สำหรับผู้สมัครแต่ละคนในกลุ่มตัวอย่าง ข้อมูลที่สมบูรณ์จากแบบฟอร์มใบสมัครและข้อมูลจากประวัติเครดิตของเขาจะถูกดึงออกมาในระยะเวลาที่กำหนด (ปกติคือ 12, 18 หรือ 24 เดือน) จากนั้นจะมีการตัดสินใจของผู้เชี่ยวชาญว่าเรื่องใดที่ยอมรับได้ เช่น ไม่ว่าลูกค้าจะ "ดี" หรือ "แย่" ส่วนใหญ่แล้วลูกค้าที่ไม่ได้จ่ายเงินกู้ติดต่อกัน 3 เดือนจะถือว่า “ไม่ดี” มีลูกค้าจำนวนหนึ่งเสมอที่ไม่สามารถจำแนกได้ว่า "ดี" หรือ "ไม่ดี" เนื่องจาก
พวกเขาได้รับเงินกู้ไม่นานมานี้ (เวลาผ่านไปน้อยเกินไป) หรือประวัติเครดิตของพวกเขา "ไม่ชัดเจน" (เช่น มีความล่าช้า 3 เดือนแต่ไม่ติดต่อกัน) ตามกฎแล้ว ไคลเอนต์ "ระดับกลาง" ดังกล่าวจะถูกแยกออกจากตัวอย่าง
ข้อกำหนดเชิงประจักษ์สำหรับฐานข้อมูลที่ใช้ในการสร้างแบบจำลองการให้คะแนน:
ขนาดตัวอย่าง - รวมอย่างน้อย 1,500 ชิ้น อย่างน้อย 500 ชิ้นไม่ดี
คำจำกัดความที่ชัดเจนของเกณฑ์ "ไม่ดี"/"ดี" ไม่ชัดเจนเสมอไปว่าประวัติเครดิตในขั้นตอนใดบนพื้นฐานใดและในระดับใดที่จะแยก "ไม่ดี" และ "ดี"
คำจำกัดความที่ชัดเจนของช่วงเวลา - ระยะเวลาอายุการใช้งานของผลิตภัณฑ์ (ขึ้นอยู่กับตัวผลิตภัณฑ์เองและอาจแตกต่างกันไปตั้งแต่หนึ่งเดือน - โทรศัพท์มือถือไปจนถึงหลายทศวรรษ - การจำนอง)
ความมั่นคงของกลุ่มลูกค้า - ประชากร การย้ายถิ่น การรักษาพฤติกรรมการบริโภค
ข้อกำหนดโดยนัยแต่บังคับ: เสถียรภาพทางเศรษฐกิจ การเมือง สังคม และเงื่อนไขอื่นๆ
เมื่อสร้างแบบจำลองเครดิต สิ่งสำคัญคือต้องเลือกระยะเวลา - ระยะเวลาระหว่างการส่งใบสมัคร (การออกเงินกู้) และการจัดประเภท "ไม่ดี"/"ดี" การวิเคราะห์แสดงให้เห็นว่าอัตราการผิดนัดตามระยะเวลาที่ลูกค้าอยู่กับองค์กรเริ่มเพิ่มขึ้นและหลังจาก 12 เดือน (บัตรเครดิต) หรือมากกว่านั้น (สินเชื่อครั้งเดียว) เริ่มมีเสถียรภาพ ดังนั้น ระยะเวลาที่สั้นกว่าจะนำไปสู่การประเมินต่ำไป และไม่ได้คำนึงถึงคุณลักษณะทั้งหมดที่คาดการณ์การผิดนัดชำระหนี้ได้ครบถ้วน ในทางกลับกัน ระยะเวลาที่มากกว่าสองปีทำให้โมเดลมีความอ่อนไหวต่อการเปลี่ยนแปลงในองค์ประกอบของกลุ่มลูกค้าในช่วงเวลานี้ เนื่องจาก องค์ประกอบของลูกค้าในกลุ่มตัวอย่างที่จุดเริ่มต้นของกรอบเวลาอาจแตกต่างอย่างมีนัยสำคัญจากองค์ประกอบของลูกค้าที่เข้ามาในปัจจุบันอย่างไร ส่งผลให้มีการใช้ชิ้นส่วนสองชิ้นพร้อมกัน (ที่จุดเริ่มต้นและจุดสิ้นสุดของขอบฟ้าเวลา) เพื่อสร้างแบบจำลองที่มีความเสถียรเมื่อเวลาผ่านไป (เกินขอบฟ้าเวลาเริ่มต้น) นี่เป็นตัวกำหนดการเลือกความยาวของช่วงเวลา - ขอบฟ้าเวลาระหว่างการสร้างแบบจำลอง
ปัญหาที่สำคัญและเป็นที่ถกเถียงกันอีกประการหนึ่งยังคงเป็นอัตราส่วนของ "ดี" และ "ไม่ดี" ในกลุ่มตัวอย่าง ควรสะท้อนอัตราส่วนที่แท้จริงของประชากรหรือควรมีจำนวนเท่ากัน (อัตราส่วนดังกล่าวช่วยอำนวยความสะดวกในการสร้างแบบจำลองอย่างมากจากมุมมองทางคณิตศาสตร์)
ต่อไป การสร้างแบบจำลองการให้คะแนนจะกลายเป็นปัญหาการจำแนกประเภท โดยลักษณะการป้อนข้อมูล (หรือพารามิเตอร์) เป็นการตอบคำถามในแบบฟอร์มการสมัครและพารามิเตอร์ (หรือข้อมูล) ที่ได้รับจากการตรวจสอบจากองค์กรต่างๆ (เช่น ตำรวจ , ศาล, สภาท้องถิ่น, สำนักงานเครดิตและอื่น ๆ ) และลักษณะผลลัพธ์ (คำตอบ) - ผลลัพธ์ที่ต้องการ - คือการแบ่งลูกค้าออกเป็น "ดี" และ "ไม่ดี" ตามประวัติเครดิตที่มีอยู่ เมื่อเปรียบเทียบตามข้อมูลเหล่านี้ ลักษณะเฉพาะ.
ตารางคะแนนจริง (ดัชนีชี้วัด) เป็นระบบสำหรับกำหนดคะแนนตัวเลข (คะแนน) ให้กับคุณลักษณะ (หรือพารามิเตอร์) ของผู้ยืมเพื่อให้ได้ค่าตัวเลขที่ต้องการซึ่งสะท้อนถึงโอกาสของผู้ยืมที่เกี่ยวข้องกับผู้ยืมรายอื่นที่จะประสบกับบางอย่าง เหตุการณ์หรือดำเนินการบางอย่าง (แง่มุม "สัมพันธ์กัน" ในคำจำกัดความมีความสำคัญมาก)
ตัวอย่างเช่น ตารางอันดับเครดิตไม่ได้ระบุระดับความเสี่ยงที่ควรคาดหวัง (เช่น เปอร์เซ็นต์ของสินเชื่อประเภทที่กำหนดที่ไม่น่าจะได้รับการชำระคืน) แต่จะแสดงให้เห็นว่าเงินกู้ที่ให้มามีแนวโน้มที่จะประพฤติตัวอย่างไรเมื่อเทียบกับสินเชื่ออื่นๆ ตัวอย่างเช่น เป็นค่าเริ่มต้นหรืออัตราเริ่มต้นสำหรับสินเชื่อที่มีชุดคุณลักษณะที่กำหนด ซึ่งคาดว่าจะสูงหรือต่ำกว่าสำหรับสินเชื่อที่มีชุดอื่น
ตารางลีกส่วนใหญ่สร้างขึ้นโดยการคำนวณแบบจำลองการถดถอย ซึ่งเป็นแบบจำลองทางสถิติที่ทดสอบว่าพารามิเตอร์ตัวเดียว (ลักษณะเฉพาะ) ส่งผลต่อพารามิเตอร์อื่นหรือ (บ่อยที่สุด) ต่อพารามิเตอร์อื่นทั้งชุดอย่างไร
แบบจำลองการถดถอยส่งผลให้เกิดชุดของสัมประสิทธิ์ เรียกว่าปัจจัยการถดถอย ซึ่งสามารถตีความได้ว่าเป็นความสัมพันธ์ระหว่างพารามิเตอร์ที่สนใจ (ที่จะกำหนด) และพารามิเตอร์อธิบาย โดยคงอิทธิพลอื่นๆ ทั้งหมดที่มีต่อพารามิเตอร์ที่สนใจให้คงที่ ค่าสัมประสิทธิ์เหล่านี้จะถูกแปลงเป็นน้ำหนักคะแนนในตารางลีก
วิธีที่ใช้กันมากที่สุดในการสร้างตารางลีก
ส่วนใหญ่แล้ว วิธีการทางสถิติของการถดถอยโลจิสติกจะใช้ในการสร้างตารางการให้คะแนน อย่างไรก็ตาม เพื่ออธิบายแนวทางนี้ ควรเริ่มต้นด้วยการถดถอยเชิงเส้นอย่างง่าย จากนั้นจึงไปยังการถดถอยโลจิสติก - เป็นกรณีพิเศษของการถดถอยเชิงเส้น
ในรูปแบบที่ง่ายที่สุด การถดถอยเชิงเส้นพยายามค้นหาความสัมพันธ์เชิงเส้นระหว่างตัวแปรสองตัว: X และ K ตัวแปร Y ที่พยายามทำนายถูกกำหนดให้เป็นตัวแปรตาม (เนื่องจากขึ้นอยู่กับ X) ตัวแปร X นั้นอธิบายได้เพราะมัน "อธิบาย" ว่าทำไม Y จึงแตกต่างกันไปในแต่ละคน
เมื่อใช้การถดถอยเชิงเส้น พวกเขาพยายามค้นหาสิ่งต่อไปนี้: ถ้า X เปลี่ยนแปลงเท่าใด

มีแนวโน้มว่าผลจาก K นี้ก็จะเปลี่ยนไปเช่นกัน ในการทำเช่นนี้คุณต้องมีชุดข้อมูลที่คุณสามารถสังเกตชุดของคู่ X และ K ที่เกี่ยวข้องได้เมื่อพวกมันถูกลงจุดบนระนาบ XY และค่าที่แน่นอน ได้รับเซตแล้วอาจกลายเป็นว่ามันอยู่ในเส้นตรงเส้นหนึ่งนั่นคือ มีความสัมพันธ์บางอย่างระหว่าง X และ Y ซึ่งคุณสามารถลองประมาณได้โดยใช้สมการ:
วาย = B_0 + B_1 x X_1
ที่ไหน
B0 คือค่าของ Y เมื่อ X = 0;
B1 - ความชันของเส้นตรง
V เหล่านี้เป็นค่าสัมประสิทธิ์การถดถอย ในทางปฏิบัติอาจมีตัวแปรอธิบายหลายประการ:
Y = B_0 + B_1 x X_1 + B_2 x X_2 + ... + B_n x X_n
การถดถอยโลจิสติกกับการถดถอยเชิงเส้น
ตามกฎแล้วเมื่อใช้การให้คะแนน ตัวแปรตามจะใช้ค่าในช่วงที่เล็กมาก ส่วนใหญ่มักจะทำงานกับตัวแปรไบนารี่เช่น อันที่รับค่าจำนวนเต็มเพียงสองค่า เช่น เงินกู้ผิดนัดหรือไม่ ลูกค้าที่ได้รับแค็ตตาล็อกทางไปรษณีย์ตอบกลับหรือไม่ก็ตาม โดยทั่วไป ในกรณีนี้ การผิดนัดชำระหนี้จะได้รับการกำหนดค่าเป็น "1" และการชำระคืนเงินกู้จะได้รับการกำหนดค่าเป็น "0"
ในที่สุดแบบจำลองควรประเมินความน่าจะเป็นของการผิดนัดชำระหนี้ (หรือการตอบกลับของลูกค้าต่อแค็ตตาล็อก)
และแม้ว่าบางครั้งแบบจำลองเชิงเส้นจะใช้ในการคำนวณตารางลีก แต่การถดถอยแบบโลจิสติกกลับกลายเป็นว่าสะดวกกว่ามาก เนื่องจากมันถูกสร้างขึ้นเป็นพิเศษสำหรับกรณีที่ตัวแปรตามเป็นไบนารี่ (นั่นคือ ต้องใช้เวลา ดังที่เราได้กล่าวไปแล้ว) เพียงสองค่าเท่านั้น)
การถดถอยเชิงเส้นสามารถให้ค่าความน่าจะเป็นทั้งน้อยกว่าศูนย์และมากกว่าหนึ่งซึ่งไม่มีความหมาย โมเดลโลจิสติกหลีกเลี่ยงสิ่งนี้เนื่องจากไม่ได้เกี่ยวข้องกับค่าไบนารี่ของตัวแปรตาม แต่เกี่ยวข้องกับความน่าจะเป็นหรืออัตราต่อรอง (อัตราต่อรอง) ที่ค่านั้นเกิดขึ้นจริง ลอการิทึมของอัตราส่วนของความน่าจะเป็นของการดำเนินการต่อความน่าจะเป็นของการไม่รับรู้เรียกว่า logit ซึ่งสามารถรับค่าใดก็ได้ทั้งค่าลบและค่าบวก ดังนั้น สำหรับ logits จึงค่อนข้างเป็นไปได้ที่จะใช้แบบจำลองการถดถอยเชิงเส้น (เพราะฉะนั้นชื่อ "logistic")
ในแบบจำลองการถดถอยโลจิสติก ตัวแปรอธิบายที่คูณด้วยสัมประสิทธิ์ของตัวแปรจะถือว่าเป็นเชิงเส้นที่ไม่สัมพันธ์กับ Y เช่นเดียวกับในการถดถอยเชิงเส้น แต่สัมพันธ์กับลอจิท - ลอการิทึมธรรมชาติของอัตราส่วนอัตราต่อรอง:
ln (p/(1 - p)) = B_0 + B_1 x X_1 + B_2 x B_2 + X_2 + ... + B_n x X_n โดยที่
p คือความน่าจะเป็นที่ V จะเกิดขึ้น
p/(1 - p) - อัตราส่วนราคาต่อรอง
อัตราต่อรองและอัตราต่อรอง
อัตราต่อรองทำให้คุณสามารถเปรียบเทียบระดับความเสี่ยงของสินเชื่อต่างๆ ดังนั้น หาก p1/(1 - p_1) หนึ่งตัว = 0.11 และสำหรับ p2/(1 - p2) อีกตัวหนึ่ง = 0.052 อัตราส่วนของมันจะเท่ากับ 0.46 กล่าวคือ ความเสี่ยงในการผิดนัดชำระหนี้เงินกู้หนึ่งจะน้อยกว่าครึ่งหนึ่งของความเสี่ยงในการผิดนัดชำระหนี้เงินกู้ครั้งที่สองเล็กน้อย
ข้อสรุปที่สำคัญที่สุดจากเรื่องนี้มีดังต่อไปนี้: จำเป็นต้องได้รับอัตราต่อรองและอัตราส่วนสำหรับสินเชื่อที่แตกต่างกันจากการถดถอยโลจิสติก เพราะ นี่เป็นวิธีเดียวที่จะเปรียบเทียบและพิจารณาโดยตรงทั้งอิทธิพลของลักษณะเฉพาะส่วนบุคคลต่อระดับความเสี่ยงและความเสี่ยงสัมพัทธ์ของสินเชื่อหนึ่งที่เกี่ยวข้องกับอีกสินเชื่อหนึ่ง ความพยายามที่จะดำเนินการกับตารางอันดับเครดิตหนึ่งไม่อนุญาตให้ประเมินความเสี่ยงของสินเชื่อหนึ่งเมื่อเทียบกับอีกตารางหนึ่งเนื่องจากอิทธิพลที่เป็นไปได้ของลักษณะที่นำมาพิจารณาสำหรับรายการหนึ่งและไม่ได้คำนึงถึงอีกรายการหนึ่ง
การคำนวณน้ำหนักสัมพัทธ์ของคุณลักษณะเฉพาะของตารางคะแนน
เมื่อสร้างและประมาณแบบจำลองลอจิสติกส์แล้ว คุณสามารถแทนที่ค่า X สำหรับผู้สมัครหรือสินเชื่อและคำนวณคะแนนโดยใช้สมการ:

อย่างไรก็ตาม การนับนี้แสดงเป็นสเกลลอการิทึมธรรมชาติ ซึ่งยากต่อการตีความ ดังนั้น คะแนนจะถูกแปลงเป็นสเกลเชิงเส้น โดยเลือกจำนวนคะแนนที่แน่นอน เพื่อให้ตัวเลขนี้มีโอกาสเป็นสองเท่าที่เหตุการณ์บางอย่างจะเกิดขึ้น เมื่อต้องการทำเช่นนี้ ให้คูณคะแนนด้วยปัจจัยเท่ากับจำนวนคะแนนที่ควรแสดงถึงอัตราต่อรองที่เพิ่มขึ้นเป็นสองเท่า แล้วหารด้วย 1n(2):
การนับตามสเกลเชิงเส้น = (B 1 x X 1 + ... + Bp x Xp) x (20/1p(2))
หากจำนวนคะแนนที่ต้องการเพื่อเพิ่มโอกาสเป็นสองเท่าคือ 20
มิฉะนั้น หากคุณต้องการทราบว่าแต่ละคุณลักษณะให้คะแนนเท่าไร คุณสามารถคูณ B_1 แต่ละตัวด้วย (20/(1n(2)) แล้วคูณด้วยค่าของพารามิเตอร์ X_1
การใช้สถิติ KS เพื่อประเมินตารางคะแนนผลลัพธ์
ตารางการให้คะแนนถูกสร้างขึ้นเพื่อจัดอันดับสินเชื่อที่แตกต่างกันในแง่ของอัตราต่อรองที่สัมพันธ์กับเหตุการณ์เฉพาะ จำเป็นที่ตารางการให้คะแนนดังกล่าวจะกำหนดบัญชีที่แตกต่างกันให้กับสินเชื่อที่ประสบกับเหตุการณ์และสินเชื่อที่ไม่ประสบ
ตัวอย่างเช่น แผนภูมิคะแนนเครดิตจะกำหนดคะแนนที่ต่ำกว่าให้กับสินเชื่อเหล่านั้นซึ่งต่อมามีปัญหาร้ายแรงในการชำระคืนหรือผิดนัดชำระ ดังนั้นโดยรวมแล้ว กลุ่มสินเชื่อที่ไม่ดีควรมีคะแนนต่ำกว่ากลุ่มสินเชื่อที่ดี
เพื่อกำหนดคุณภาพของตารางผลลัพธ์ กราฟจะถูกวาด - เส้นโค้งการกระจายของเปอร์เซ็นต์ของสินเชื่อที่ดีและเปอร์เซ็นต์ของสินเชื่อที่ไม่ดี (จากจำนวนรวมของดีและไม่ดีที่สอดคล้องกัน) ขึ้นอยู่กับขนาดของบัญชีและคุณภาพของการให้คะแนน ตาราง (แผนที่) มีลักษณะเฉพาะว่าเส้นโค้งทั้งสองนี้แยกจากกันมากน้อยเพียงใด
ใช้สำหรับการกำหนดเชิงตัวเลขของคุณภาพของการแยกที่ใช้สถิติ Kolmogorov-Smirnov (สถิติ K-S) ซึ่งให้การวัดเชิงตัวเลขของการแยกนี้ สถิติ KS คำนวณง่ายๆ: คือความแตกต่างสูงสุดระหว่างเปอร์เซ็นต์สะสมของการกระจายของ "ดี" และเปอร์เซ็นต์สะสมของการกระจายของ "ไม่ดี" ตามทฤษฎี สถิติ KS สามารถอยู่ในช่วงตั้งแต่ 0 ถึง 100 แต่ในทางปฏิบัติมักจะอยู่ในช่วง 25 ถึง 75
การไล่สีโดยประมาณมีลักษณะดังนี้:
น้อยกว่า 20 - ตารางการให้คะแนนอาจไม่เหมาะสมกับการใช้งาน
20-40 เป็นโต๊ะที่ดี
41-50 เป็นตารางที่ดี
51-60 เป็นตารางที่ดีมาก />61-75 เป็นโต๊ะที่ดีอย่างน่าอัศจรรย์
มากกว่า 75 อาจดีเกินจริง มีบางอย่างผิดปกติ* (128)
ควรสังเกตว่าคุณภาพของแบบจำลองการให้คะแนนควรได้รับการตรวจสอบอย่างต่อเนื่อง และการตรวจสอบเป็นขั้นตอนบังคับระหว่างการดำเนินการ เมื่อเวลาผ่านไป ทั้งภาวะเศรษฐกิจและลักษณะพฤติกรรมของผู้กู้ยืมอาจเปลี่ยนแปลงได้ และการปรับเปลี่ยนแบบจำลองการให้คะแนนอย่างทันท่วงทีเท่านั้นที่จะรับประกันการบริหารความเสี่ยงด้านเครดิตที่มีประสิทธิภาพ

การให้คะแนนคือระบบการประเมินลูกค้าที่ใช้โดยธนาคาร ซึ่งขึ้นอยู่กับวิธีการทางสถิติ ตามกฎแล้วนี่คือโปรแกรมคอมพิวเตอร์ที่ป้อนข้อมูลของผู้มีโอกาสยืม ในการตอบสนองจะได้รับผลลัพธ์ - ไม่ว่าจะคุ้มค่าที่จะให้เงินกู้แก่เขาหรือไม่ การให้คะแนนชื่อมาจากคะแนนคำภาษาอังกฤษซึ่งก็คือ “บัญชี”

การให้คะแนนมีสี่ประเภท:

การให้คะแนนแอปพลิเคชัน (แปลตามตัวอักษรจากภาษาอังกฤษ - "การให้คะแนนแอปพลิเคชันการอุทธรณ์") - การประเมินความน่าเชื่อถือทางเครดิตของผู้กู้เมื่อออกเงินกู้ นี่คือประเภทการให้คะแนนที่พบบ่อยที่สุดที่ลูกค้ารู้จัก ขึ้นอยู่กับการรวบรวมข้อมูลส่วนบุคคลของผู้ยืมเบื้องต้น การประมวลผลทางคอมพิวเตอร์ และผลลัพธ์: ไม่ว่าจะให้สินเชื่อหรือไม่;

การให้คะแนนการรวบรวม - ระบบการให้คะแนนในขั้นตอนการทำงานกับสินเชื่อที่ไม่ได้ชำระคืน กำหนดลำดับความสำคัญของการดำเนินการของพนักงานธนาคารในการชำระคืนเงินกู้ที่ "ไม่ดี" ในความเป็นจริง โปรแกรมนี้ช่วยให้คุณสามารถดำเนินการหลายขั้นตอนเพื่อจัดการกับหนี้ที่ไม่ได้รับคืน เช่น ตั้งแต่คำเตือนเบื้องต้นไปจนถึงการโอนคดีไปยังหน่วยงานติดตามหนี้ เชื่อกันว่าในระหว่างการประมวลผล ลูกค้าประมาณ 40% อ้างว่าหลงลืมและคืนเงินกู้

การให้คะแนนพฤติกรรม "การให้คะแนนพฤติกรรม" คือการประเมินการดำเนินการทางการเงินที่เป็นไปได้มากที่สุดของผู้กู้ยืม ระบบดังกล่าวทำให้สามารถคาดการณ์การเปลี่ยนแปลงในความสามารถในการละลายของผู้ยืมและปรับขีดจำกัดที่ตั้งไว้สำหรับเขา การวิเคราะห์อาจขึ้นอยู่กับการกระทำของลูกค้าในช่วงระยะเวลาหนึ่ง เช่น ธุรกรรมบัตรเครดิต

การให้คะแนนการฉ้อโกง - การประเมินทางสถิติของความเป็นไปได้ของการกระทำการฉ้อโกงในส่วนของผู้กู้ที่มีศักยภาพ โดยทั่วไปการให้คะแนนดังกล่าวจะใช้ร่วมกับการวิจัยลูกค้าประเภทอื่นๆ เชื่อกันว่าการผิดนัดชำระหนี้ในรัสเซียมากถึง 10% เกี่ยวข้องกับการฉ้อโกงโดยสิ้นเชิง และตัวเลขนี้กำลังเพิ่มขึ้น

ระบบการให้คะแนนหลายระบบไม่เพียงแต่ประมวลผลข้อมูลที่ป้อนเท่านั้น แต่ยังสามารถเรียนรู้ด้วยตนเองได้อีกด้วย โดยคำนึงถึงรูปแบบพฤติกรรมของลูกค้าที่ยอมรับบริการแล้ว เพื่อปรับการประเมินผู้กู้ยืมในอนาคต

มีโซลูชั่นสำเร็จรูปในตลาดซอฟต์แวร์การธนาคาร โปรแกรมตะวันตกที่มีชื่อเสียงที่สุดคือ SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS) ในบรรดานักพัฒนาชาวรัสเซีย Basegroup Labs และ Diasoft มีความโดดเด่น และบริษัท Business Neuro-Systems ของยูเครนก็เป็นที่รู้จักกันดี ขณะเดียวกัน ธนาคารหลายแห่งกำลังพัฒนาระบบของตนเอง

ระบบการให้คะแนนทำให้สามารถลดต้นทุนและลดความเสี่ยงในการดำเนินงานได้โดยการตัดสินใจโดยอัตโนมัติ ลดเวลาการประมวลผลของการขอสินเชื่อ ช่วยให้ธนาคารดำเนินนโยบายสินเชื่อจากส่วนกลาง และให้การปกป้องเพิ่มเติมแก่องค์กรทางการเงินจากการฉ้อโกง ในเวลาเดียวกัน การให้คะแนนก็มีข้อเสียหลายประการเช่นกัน โดยส่วนใหญ่การตัดสินใจของระบบจะขึ้นอยู่กับการวิเคราะห์ข้อมูลที่ผู้ยืมให้มาโดยเฉพาะ นอกจากนี้ ระบบการให้คะแนนจำเป็นต้องได้รับการปรับปรุงและบำรุงรักษาอย่างต่อเนื่อง เนื่องจากจะพิจารณาเฉพาะประสบการณ์ที่ผ่านมาเท่านั้น และตอบสนองต่อการเปลี่ยนแปลงของสถานการณ์ทางเศรษฐกิจและสังคมด้วยความล่าช้า