Expertpanelen: Så kontrollerar du kreditrisken

Annons

Kontrollerat risktagande genom effektivare processer

Historiskt sett har processerna vid kreditbeviljning varit manuella – det vill säga varje enskild kreditansökan har granskats manuellt av en kredithandläggare. Men från andra halvan av 1990-talet, och framför allt sedan början av 2000-talet, har många företag börjat använda mer automatiserade processer där modeller för kreditscoring utgör en viktig del. Modellerna har till uppgift att beräkna en prognos som speglar risken att den som ansöker om kredit får en betalningsanmärkning inom en tolvmånadersperiod efter ansökningstillfället. Risken påverkas av den enskilde kundens historik. Ett exempel på historik kan vara nyttjandegraden på kreditkortet, där en hög nyttjandegrad under en längre tid generellt sett leder till en högre riskprognos i jämförelse med en kund som inte har samma höga nyttjandegrad.

Företagens krav på ökad lönsamhet och pressade marginaler ställer allt högre krav på ett effektivt utnyttjande av all data som banken får när en kredit ska prövas. I vanliga fall finns, förutom en riskprognos, också ett antal så kallade mallregler, som är av mer subjektiv karaktär och som styrs av kreditgivarens egen kreditpolicy. Det kan handla om hårda fakta, exempelvis att en kredit inte får ges till en person som har en betalningsanmärkning, eller som har en inkomst under 150 000 kronor/år.

Den absolut viktigaste nyckeln till en framgångsrik kreditansökansprocess innebär ur ett affärsperspektiv att bevilja så många krediter som möjligt – utan att kreditriskerna blir alltför stora. Med en kreditmallsanalys baserad på historiska ansökningar, givet kreditregelverket och en definition av vad som menas med en dålig betalare, kan ansökansprocessen bli betydligt effektivare.

En rätt använd modell för kreditscoring bidrar till ökad kontroll och struktur, vilket i sin tur kan generera en ökad lönsamhet. För varje given risknivå finns det då möjlighet att beräkna lönsamheten över tid och vilka förlusterna sannolikt kommer att bli. Man kan även ställa lönsamhet i relation till förlust och fundera på vilka villkor, genom olika räntenivåer, som ska sättas för att få den efterfrågade avkastningen. Detta kan exemplifieras genom följande tabell:

Tabellen visar att vid den givna risken 5,8 – 6,7 procent leder 168 lån till kreditförluster, vilket motsvarar 2 miljoner kronor i förlust, samtidigt som 2 332 lån tillsammans genererar en vinst på 2 164 000 kronor. Allt detta givet att 82 procent av alla som ansöker om lån beviljas ett lån.

Att man drabbas av kreditförluster är en naturlig del av låneverksamheten. Finessen här är att dessa omedelbart kan ställas bredvid den beräknade vinsten från övriga lån, och att man då kan avgöra om förlusterna är godtagbara. På så sätt får kreditgivaren kontroll och kan lätt maximera hela verksamhetens effektivitet.


Om skribenten: Karl Källberg är ansvarig för UC:s Modell- och tjänsteutveckling, han har även erfarenhet av Basel II implementationer.