3 tre SMARTA RÅD FÖR EN BÄTTRE KREDITAFFÄR UC Affärsoptimering Kreditscoringmodeller
Tre metoder för att genomföra bra avslagsanalyser i kreditportföljen Det är idag vanligt att kreditgivare bygger kreditscoringmodeller som inte tar hänsyn till att ett antal kunder får avslag på sin kreditansökan. Marknaden går mot mer automatiserade processer i kreditbeviljningen. I och med denna trend är det extra viktigt att göra bra avslagsanalyser. Här nedan ger vi dig tre metoder för avslagsanalyser i er kreditportfölj. När man hittat en kreditscoringmodell som innehåller en effektiv avslagsanalys bör den fungera som en dörrvakt för kreditportföljen. Kreditgivare kan då bygga bort specialregler och därmed få bättre kontroll på den faktiska risken i portföljen. Tänk dig att en kreditscoringmodell fungerar som en dörrvakt på en nattklubb. Vi glömmer nu att vissa nattklubbar kan ha en massa cred-regler och bara släpper in de som är coola, som betalar bra och sköter sig inne på klubben. Tänk dig vidare att man också har ett antal specialregler, som att man måste ha hela kläder och vara över 23 år för att komma in. Anledningen till detta är att man tror att de med trasiga kläder och ungdomar missköter sig mer än övriga. Om man vill ha en perfekt dörrvakt och ta bort förutfattade antaganden om ålder och kläder kan man inte bara följa upp skötseln inne på den egna klubben. Man måste också göra en uppskattning av hur de avvisade kunderna skulle ha skött sig, annars kan man aldrig få reda på om dörrvaktens antaganden om ålder och klädsel är korrekta. När vi översätter detta exempel till en kreditansökan, så handlar uppföljningen om den viktiga avslagsanalysen, som man helst vill ska vara automatiserad. När man bygger en kreditscoringmodell som ska fungera som dörrvakt utgår man ofta från ett eller flera års tidigare ansökningar, hur kunderna bakom ansökningarna såg ut vid ansökningstillfället, samt vad som hände med kunderna under en uppföljningsperiod över ett år, det vill säga om kunderna skötte sina betalningar eller inte. 2
Därför behövs avslagsanalyser De flesta kreditscoringmodeller används för att bedöma om en kund är kreditvärdig eller inte och om man således bör ge kunden en kredit. Förutom dessa kreditscoringmodeller finns det oftast andra restriktioner att ta hänsyn till vid kreditbeviljning. Det kan vara specialregler, såsom att kunden inte ska få ha någon betalningsanmärkning, att kunden ska ha en viss inkomst eller att kunden inte ska ha för många andra lån. Ju fler specialregler en kreditgivare använder sig av ju mindre litar man på att kreditscoringmodellen gör sitt jobb som dörrvakt för kreditportföljen. Vid uppföljningen är det förstås lättast att följa upp de som fick krediter och se hur dessa skötte sig i den egna portföljen. Problemet med denna metod är att om man nöjer sig med detta så tittar man inte alls på de som fick avslag på sin kreditansökan eller på de som valde att inte ta krediten. Båda dessa tillvägagångssätt kallas för avslagsanalyser. Om modellen endast bygger på kunder som blev insläppta i portföljen kan det bli snedvridet om man vill använda modellen som en dörrvakt, det vill säga för att släppa in bra och avvisa dåliga kunder. 3
Tre metoder för effektiva avslagsanalyser METOD 1. METOD 2. Här nedan följer tre vanliga metoder för hur man kan analysera kunderna som inte kom in i portföljen. Det är av största vikt att man gör dessa avslagsanalyser på ett effektivt och automatiserat sätt. Genom att inte räkna med avslagen när man bygger modellen kan man få en kreditscoringmodell som inte fungerar som den bra dörrvakt för portföljen man vill att den ska ha. Detta arbetssätt kan också minimera den manuella hanteringen i kreditbeviljningen och på så sätt öka lönsamheten och effektiviteten. Beräkna en modell på den population som har kommit in i portföljen. En vanlig metod är att beräkna analysmodellen på den population som kommit in i portföljen. Sedan använder man denna modell för att skatta sannolikheten att de ej beviljade kunderna blir dåliga betalare och klassificerar in denna population efter sannolikheten. Om sannolikheten är över 50 procent så sätter man den personen som dålig betalare i systemet. Om sannolikheten är under 50 procent så blir det en bra betalare. Efter att man har gjort denna klassificering räknar man om modellen på hela populationen och använder som kreditbeviljningsmodell. Problemet med denna metod är att man utgår från att den population man inte får in i portföljen skulle uppföra sig på samma sätt som den population man fick in. Vikta upp kunder som blir insläppta trots att de bryter mot uppsatta specialregler. Genom att ge en högre vikt på kunder försöker man ta hänsyn till alla avslag som har dessa kriterier, till exempel betalningsanmärkning. Denna metod är bättre än metod 1 beskriven ovan, men den utgår från att de insläppta kunderna med betalningsanmärkning sköter sig på liknande sätt som kunderna som fått avslag med en betalningsanmärkning. Det kan ses som ett djärvt antagande eftersom ett undantag från kreditreglerna förhoppningsvis görs för att en handläggare vet något om kunden, som kreditscoringmodellen inte vet, och att det därför finns goda anledningar till att göra ett undantag. Om så är fallet så kommer de undantag som viktats upp att i genomsnitt vara mindre dåliga betalare än de som inte blev undantag och således kommer avslagsanalysen att bli snedvriden. Följ upp avslagen genom att se hur dessa har skött sig utanför den egna portföljen. Denna tredje metod handlar om att följa upp avslagen och se hur dessa har skött sig utanför den egna portföljen efter att de avslogs. På personsidan använder man lämpligen en ny betalningsanmärkning som utfall, medan man på företagssidan kan använda konkurs eller något annat obeståndsmått som utfall. För att kunna göra detta måste man vända sig till till METOD 3. 4
exempel ett kreditupplysningsföretag som har data på vilka som har fått betalningsanmärkningar. Man ser då vilka av avslagen som senare fick betalningsanmärkningar och dessa anses som om de hade blivit dåliga i kreditportföljen. De som inte har fått betalningsanmärkningar antas inte heller bli dåliga om de hade tagits in i kreditportföljen. Denna tredje metod ger minst snedvridning av modellen eftersom man faktiskt följer upp avslagen hela vägen utan att göra antaganden om att de liknar de som släpps in. Internationellt är det svårt att följa upp på detta sätt men i Sverige har vi bra möjligheter eftersom vi har person- och organisationsnummer samt register och databaser, som kan användas för att följa upp avslagna ansökningar. VILKEN METOD ÄR EFFEKTIVAST? Den tredje metoden är att föredra för att få en så korrekt beviljningsmodell som möjligt samt om man vill ha en effektiv kreditscoringmodell som fungerar som en bra dörrvakt för din kreditportfölj. Den tredje metoden gör att specialregler kan byggas bort för att på så sätt få en bättre kontroll på den faktiska risken i portföljen. Den kan också minimera den manuella hanteringen i kreditbeviljningen och på så sätt öka automatiseringsgraden och lönsamheten. 5
Huvudkontor Lokalkontor Kontakt Firma UC AB UC AB - Göteborg UC AB - Malmö Telefon: 08-670 90 00 UC AB 117 88 Stockholm Kungsgatan 20 Malmöhusvägen 1 E-post: kundservice@uc.se Org.nr. 556137-5113 411 19 Göteborg 211 18 Malmö Webb: uc.se