Kredit-Scoring in Echtzeit

Einfaches Modellieren
mit integrierten Businessregeln
und High-Performance-Analysen.

Kreditscoring

Die Kreditwirtschaft muss gleichermaßen regulatorischen Anforderungen genügen und den Herausforderungen eines volatilen Marktes begegnen. Kreditentscheidungen von Finanzdienstleistern orientieren sich daher in zunehmendem Maße an statistischen Modellen, aus denen die Wahrscheinlichkeit von Kreditausfällen abgeleitet wird. Mit Kreditscoring (Credit Scoring) werden die Ergebnisse einer Bonitätsprüfung für potentielle Kreditnehmer auf einer quantitativen Skala ausgedrückt.

StatSoft bietet der Kreditwirtschaft moderne Techniken und Algorithmen an, mit denen sich Scoring-Modelle einfach entwickeln und im Produktivbetrieb einsetzen lassen. Einige der weltweit größten und erfolgreichsten Finanzinstitute verlassen sich bei der Bonitätsprüfung auf Statistica, steigern damit die Profitabilität ihrer Kunden und minimieren finanzielle Risiken.

Einsatzszenarien

Scoring-Modelle

Im Rahmen der Risikosteuerung werden in der Finanzwirtschaft Möglichkeiten gesucht, kurzfristig  auf das identifizierte und bewertete Risikospektrum effizient zu reagieren. Dabei ist eine präzise Einschätzung möglicher Bonitätsverschlechterung seitens der Gläubiger in Form von Ratings ebenso wichtig, wie die optimale Gestaltung des Kreditvergabeprozesses zur Vermeidung operationeller Risiken. Letzteres wird heute bei der Bonitätsprüfung durch ein quantitativ ausgerichtetes Scoring auf der Grundlage einer statistischen Analyse von Kreditwürdigkeitsunterlagen des Kreditnehmers und ergänzenden externen Daten erreicht.

Eine moderne Scoring-Lösung sollte den individuellen Anforderungen eines Unternehmens bezüglich Datenvorverarbeitung und Modellierung Rechnung tragen. Dies schließt Werkzeuge ein, mit denen sich die Funktionsweise, Trennschärfe und Effizienz der verwendeten Modelle adäquat beurteilen lassen. Statistica bietet als breit aufgestellte Plattform für Predictive Analytics eine große Suite traditioneller statistischer Verfahren und moderner Data-Mining-Algorithmen zur Ermittlung von Kreditscores.

Da die Güte eines im täglichen Kreditgeschäft  eingesetzten Scoring-Modells erst zeitverzögert durch die tatsächlichen Zahlungseingänge mehrere Monate nach der Kreditvergabe getestet werden kann,  können aus mangelhaften Modellen hohe Kreditverluste erwachsen. Daher werden mit Statistica  oft mehrere multivariate Vorhersagemodelle (logistische Regression,  Entscheidungsbäume, Neuronale Netze) miteinander kombiniert und durch Backtesting validiert, bevor sie in der Produktivumgebung eines Finanzinstitutes implementiert werden. Das komplette System aus miteinander kombinierten Scoring-Modellen wird dann fortlaufend bei geänderter Datenlage in kurzen Zeitabständen automatisch rekalibriert.

Risikomaße

Identifikation und Bewertung von Kreditrisiken sind neben den Kreditscores eine wichtige Grundlage für das betriebswirtschaftliche Rechnungswesen. Die Risikobewertung erfolgt als Eintrittswahrscheinlichkeit einer möglichen Schadenshöhe, die aus Wahrscheinlichkeitsverteilungen der Extremwerttheorie abgeleitet werden. Quantilbasierende Risikomaße für Kreditausfälle sind beispielsweise der Value-at-Risk (VaR) und der Expected Shortfall (ES). Zusätzliche  Konzepte wie Verlusterwartung (Expected Loss), unerwarteter Verlust (Unexpected Loss) und Downside-Varianz sind fester Bestandteil der finanzwirtschaftlichen Planung eines Kreditinstitutes.

Mit Statistica lassen sich Wahrscheinlichkeitsverteilungen der Extremwerttheorie aus historischen Daten von Aktienkursen, Zinsänderungen und Kreditausfällen ableiten und daraus die in der Finanzwelt akzeptierten Risikomaße berechnen. Die Risikobewertung einzelner Produktportfolios liefert einem Finanzdienstleister die erforderlichen Grundlagen für Risikosteuerung und -kontrolle zur Erfüllung regulatorischer Anforderungen. Das StatSoft-Team unterstützt sie gerne bei der Implementierung von automatisierten Systemen zur Bewertung und zum Scoring von Kreditrisiken.

Referenzen

Anwenderbericht

Credit Scoring at Novum Bank: Data Mining defines success in high risk lending.

Kontakt