Кибербезопасность в условиях электронного банкинга. Практическое пособие - [166]
В условиях Liquid Modernity[240] финансовым организациям «приходится бежать со всех ног, чтобы только остаться на том же месте, а чтобы попасть в другое место, нужно бежать вдвое быстрее»[241]. Бесшовная цифровизация финансовой сферы становится не модой, а условием выживания. Быстрые изменения приводят к резким и малопредсказуемым колебаниям стоимости почти любых материальных активов (примеры: «пузыри» на финансовых рынках, высокая волатильность цен на недвижимость, нефть, золото и т. п.). С другой стороны, в актив (и все более дорогостоящий) все чаще превращаются данные и информация (см. бизнес-модели таких «единорогов», как Uber, Airbnb, Lending Club и т. д.). Однако новые успешные быстрорастущие компании-«единороги» также имеют пределы роста, приближение к которым означает замедление темпов, снижение интереса инвесторов и падение капитализации. Материальные активы же еще надо содержать, защищать и обновлять (примеры: рост взносов на капитальный ремонт, увеличение налогов и сборов для владельцев автомобилей). Постепенно даже рядовые пользователи сталкиваются с необходимостью учета «совокупной стоимости владения» и (или) замены собственности арендой. Во временную аренду переходят жилье, транспортные средства (каршеринг, «уберизация»), программное обеспечение, даже гаджеты (ежегодное обновление делает экономически бессмысленной покупку новинок). При этом повышается мобильность населения, физические перемещения становятся короче (жилье рядом с источником дохода), усиливается роль безналичного обращения (cashless society)[242].
Все большее значение приобретает «совместное потребление» (sharing economy) товаров и услуг.
Результат – полный отрыв стоимости актива от объема генерируемого им дохода и (или) его ликвидационной стоимости, ставка на «ожидания рынка» и, как следствие, необходимость хеджирования рисков и страхования сделок; таким образом, владение имуществом/активами становится скорее проблемой, чем преимуществом. Финансовым институтам приходится расширять спектр не обеспеченных залогами продуктов, у их клиентов частично высвобождаются средства на текущее потребление, отчасти лишаются смысла накопления (только на «черный день»), но возникает необходимость приобретения страховых продуктов, компенсирующих внезапную утрату дохода (страхование жизни, страхование от потери работы и т. п.).
Вообще же для поддержания режима sharing economy необходимы либо постоянный и стабильный доход, либо возможность в любой момент получить кредитный ресурс (от простого лимита по кредитной карте до динамически пересчитываемой кредитной линии)[243]. В свою очередь для оперативного доступа к кредитным средствам человек должен обладать достаточным кредитным (социальным) рейтингом: именно рейтинг становится основой для доступа к общественным благам в режиме sharing economy, поскольку на индивидуальную работу с клиентом у финансовых институтов не остается ни времени (решение надо принимать немедленно, в процессе покупки), ни достаточных ресурсов (клиентских менеджеров успешно «оптимизируют»). При этом сам рейтинг фактически становится судьбой. Автоматизированные системы, пусть и построенные на основе последних технологий машинного обучения (machine learning, ML) и (или) сведенные в нейросети (NeuroNet), анализируя большие данные[244], чтобы на их основе составить электронный рейтинг потребителя финансовых услуг, явным образом проецируют прошлое на будущее, исходя из того, что бедные останутся бедными навсегда, небрежно относящихся к возврату долга исправит только могила и т. д. Конечно, это подтверждается наличием устойчивых корреляций на основе массы статистических данных, что придает рейтинговым моделям солидный вид беспристрастной науки. Но такие модели помещают потребителей в невидимые группы людей, чье поведение лишь кажется похожим. Создатели моделей зачастую путают корреляцию с причинно-следственной связью.
В принципе мировая практика предоставления персональных займов уже давно опирается на введение градаций и предварительный отсев заявителей, не имеющих приемлемого кредитного рейтинга, который в свою очередь рассчитывается на основе данных об имеющейся кредитной нагрузке и кредитной истории[245]. В качестве альтернативы рассматриваются различные системы вроде Credit Karma, использующие данные из социальных сетей и т. п. в качестве косвенного подтверждения платежеспособности заемщика, или же ему придется прибегать к использованию Р2Р-платформ вроде Lending Club, которые могут разделить риски дефолта заемщика между большим количеством кредиторов.
