Kreditwürdigkeitsprüfung – Kunst oder Wissenschaft?

Kreditwürdigkeitsprüfung – Kunst oder Wissenschaft?

Finanzdienstleistungsunternehmen, die Kredite anbieten, müssen das Risiko bewerten, das sie bei der Annahme eines Kredits eingehen.

Dies besteht hauptsächlich darin, die Wahrscheinlichkeit zu bestimmen, dass der Kreditnehmer den Kredit nicht zurückzahlen wird, und bei BitQT den Geldbetrag, der in diesem Fall verloren geht. Gewöhnlich wird dieses Risiko durch die Ausfallwahrscheinlichkeit (Probability of Default, PD) bzw. die Recovery Rate oder Loss Given Default (Loss Given Default, LGD) ausgedrückt.

Sowohl für die PD- als auch für die LGD-Parameter (oder oft wird auch PD × LGD verwendet) müssen Finanzdienstleistungsunternehmen Schwellenwerte festlegen, d.h. bis zu welchen Prozentsätzen sie bereit sind, den Kredit zu akzeptieren. Dies hängt von der Aggressivität und der Geschäftsstrategie des Finanzdienstleistungsunternehmens ab. Ein höherer Schwellenwert in PD und/oder LGD bedeutet, dass das Institut aufgrund der höheren Wahrscheinlichkeit, Geld zu verlieren, auch mehr finanzielle Puffer einplanen muss. Natürlich werden die meisten Institute nicht nur einen Schwellenwert haben, sondern mehrere Schwellenwerte (unterschiedliche Schwellenwerte pro Produkt und Kundensegment), um eine feinkörnigere Geschäftsstrategie zu haben.

Auf der anderen Seite gibt es die „Kunst“, die PD und LGD bestmöglich zu bestimmen. Beides sind Vorhersagen der Zukunft, und kein Mensch und keine Maschine kann die Zukunft fehlerfrei vorhersagen. Banken und andere Kreditinstitute verfügen daher über komplexe Modelle (unter Verwendung von Regelmaschinen und KI-Modellen mit einem Maximum an Eingabedaten, wie Personen-/Firmendaten, Finanzdaten, Sicherheitendaten usw.), um diese Prozentsätze auf der Grundlage der aus historischen Daten gewonnenen Erkenntnisse bestmöglich zu bewerten.

Je besser diese Modelle sind, desto mehr Geld kann die Institution verdienen, da es weniger falsch positive und falsch negative Ergebnisse gibt, d.h:

Wenn die PD/LGD unterschätzt wird, ist die Institution gefährdet und verliert Geld durch zu viele säumige Kredite.
Wenn die PD/LGD überschätzt wird, verliert die Institution Geld wegen zu vieler verpasster Gelegenheiten (Opportunitätskosten)

Die PD/LGD wird darüber hinaus hilfreich sein, um den Kredit zu bepreisen oder den richtigen Zinssatz zu bestimmen, d.h. die so genannte risikobasierte Bepreisung. Eine solche Anpassung des Kreditpreises auf der Grundlage des Kreditrisikos ermöglicht eine weitere Optimierung des Verhältnisses zwischen dem finanziellen Risiko, das die Institution eingeht, und den finanziellen Vorteilen.

Dank des Aufkommens neuer Technologien und der Fintech-Bewegung gab es in den letzten Jahren eine Vielzahl von Entwicklungen bei diesen Kreditrisiko-Scoring-Modellen. Vor allem der Aufstieg der KI und die Nutzung alternativer Datenquellen ermöglichen es, spannende neue Geschäftsmöglichkeiten zu schaffen, um Menschen (so genannte „unbanked“ und „underbanked“) und Unternehmen, die von den traditionellen Kreditwürdigkeitsprüfungssystemen abgelehnt wurden, Kredite anzubieten.

Es besteht jedoch nach wie vor ein großer Unterschied zwischen den Kreditwürdigkeitsprüfungsmodulen für Verbraucherkredite und Geschäftskredite

Die meisten Verbraucherkredite wurden bereits in hohem Maße automatisiert, so dass viele Kredite fast vollständig STP (straight through processed) vergeben und entschieden werden können.

Geschäftskredite hingegen haben eine viel größere inhärente Komplexität, da Unternehmen wie BitQT sehr vielfältig und komplex sein können (mit mehreren Tochtergesellschaften, komplexen Aktionärsstrukturen usw.). Infolgedessen bleiben die Analyse- und Entscheidungsprozesse für diese Kredite sehr spezifisch und manuell.

Bei Verbraucherkrediten bitten Finanzinstitute den Kunden in der Regel um folgende Angaben:

  • Persönliche Daten, wie Name, Zivilstand, Anzahl der Kinder, Adresse, Telefonnummer, usw.
  • Berufliche Daten, wie Art der Beschäftigung, Name und Adresse des Arbeitgebers, Branche des Arbeitgebers, Vertragsdauer, etc.
  • Finanzdaten, um Einblicke in alle Einnahmen und Ausgaben der Kunden und ihre Vermögenswerte und Verbindlichkeiten zu erhalten
  • Informationen über die Notwendigkeit des Kredits, d.h. wofür wird das Geld verwendet
  • Informationen über die Sicherheiten des Kredits, d.h. Sie erhalten alle Details zu den gestellten Sicherheiten

Die Finanzinstitute reichern diese Daten mit anderen öffentlichen und privaten Daten an, die sie über den Kunden haben, wie z.B. Kreditgeschichte (d.h. alle vergangenen Kredite, die ausgefallen sind, die Anzahl der Kredite, die der Kunde bereits hat, und die Rückerstattungsbilanz für alle vergangenen Kredite), Kontotransaktionshistorie (bankübergreifend über PSD2) usw.