připravili Filip Trojan, Pavel Macek,

Rozměr: px

Začít zobrazení ze stránky:

Download "připravili Filip Trojan, Pavel Macek, p.macek@creditinfosolutions.com 731 126 291"

Vít Neduchal
před 8 lety
Počet zobrazení:

1 Credit Scoring a Creditinfo Predictor principy, výhody, použití připravili Filip Trojan, Pavel Macek, p.macek@creditinfosolutions.com

2 Co je to scoring CREDIT SCORING je globálně používaná technologie pro přesnou predikci budoucího rizika spojeného s podnikáním na základě informací dostupných v čase a místě hodnocení

3 Background: Basic Principle of Scoring (1) The main principle behind credit scoring is to effectively separate clients into High risk group & Low risk group on the grounds of scored points 3

4 Co je scoring Credit scoring pravděpodobnost defaultu (PD) Skorkarty jsou vyvinuty s využitím informací dostupných v čase Observation Point pro predikci dvouhodnotového stavu pozorovaného později v čase Outcome Point Observation Period Outcome Period špatní zákazníci (defaulty) Observation Point Outcome Point dobří zákazníci (non-default) PD = BAD GOOD + BAD

..... pro predikci dvouhodnotového stavu pozorovaného později v čase Outcome Point

5 Traditional / Scoring Comparison The key concepts of EXPERIENCE and DATA are similar for traditional underwriting and credit scoring. The benefits are generated from the METHODOLOGY which more effectively evaluates the data and experience. Concept Traditional Risk Assessment Scoring Concept 1: Methodology Manual Statistical Concept 2: Future is Like the Past Underwrites experience amounts to 10s of previous decisions Credit scoring gains experience from 1,000s of cases Concept 3: Data Similar data sources: - Application forms - Bank s records - Credit bureau Similar data sources: - Application forms - Bank s records - Credit bureau The statistical process scorecards is thus makes more objective, efficient and consistent decisions. 5

Concept Traditional Risk Assessment Scoring Concept 1: Methodology Manual Statistical Concept 2: Future is Like the Past Underwrites experience amounts to 10s of previous decisions

6 Scorecard examples Simple Representation of a Business Scorecard Characteristic e.g. question from the application form Attribute answer given to the question Points number assigned to each attribute The scorecard characteristics will vary on product or customer target. Points are optimized for maximum performance on target portfolio. 6

number assigned to each attribute The scorecard characteristics will vary on product

7 Creditinfo Predictor Creditinfo Predictor je scoringová funkce pro hodnocení podnikatelských subjektů v ČR a SR na úrovni bankovních interních modelů. Hlavní charakteristiky: Prediktivní síla: Gini index 67 Plné pokrytí: 2.2 milionu IČ Mohutný datový zdroj: data poskytuje Creditinfo Group od Vás chceme jen IČ Jednoduché použití: implementace v SSV Inovace: monitoring a další vývoj 7

Hlavní charakteristiky: Prediktivní síla: Gini index 67 Plné pokrytí: 2.

Statutáři & management výsledovka Ukazatele trendu Odvětvová srovnání Propojené subjekty - vlastníci & dceřiné

8 Creditinfo Predictor Pro výpočet skóre se využívají informace z mnoha různých oblastí Základní informace Platební informace Doplněno desítkami odvozených ukazatelů pro vývoj modelu Statistiky dotazů Rozvaha Poměrové ukazatele Statutáři & management výsledovka Ukazatele trendu Odvětvová srovnání Propojené subjekty - vlastníci & dceřiné společnosti Historie (datumy) Zkoumáno více než 350 ukazatelů Vybráno 19 nejprediktivnějších Creditinfo Predictor CZ v1.5 8

9 Měření kvality skorkaty, kvalita CIP Schopnost modelu rozlišit dobrý subjekt od špatného je nadstandardní v rámci třídy modelů pro podnikatelské subjekty. 70% 60% Podniky s finančními výkazy Gini 67.7 Gini měří predikční schopnost modelu. Nabývá hodnot Modely s Gini nad 60 jsou dobré. Pravděpodobnost nesplácení 50% 40% 30% 20% 10% GINI GINI GINI 0-30 CIP % < >=87 Score

7 Gini měří predikční schopnost modelu. Nabývá hodnot 0-100. Modely s Gini nad 60 jsou dobré.

10 Kategorie kreditu Pro efektivní rozhodování byla hodnota skóre doplněna o kategorii kreditu, která je z hodnoty skóre přímo odvozena Kategorie kreditu Pravděpodobnost nesplácení (dolní hranice) Pravděpodobnost nesplácení (horní hranice) Popis % 0.34% Výborný % 0.65% Velmi nízké % 1.35% Nízké % 2.25% Střední % 3.50% Akceptovatelné % 5.50% Jednejte opatrně % 8.00% Vyšší než normální % 20.00% Výsoké % 67.50% Extrémně vysoké % 99.00% Zajistěte se proti ztrátě % % Konkurs, likvidace Průměrná pravděpodobnost nesplácení je 2.15% pro firmy s účetními výkazy a 8.2% pro malé firmy (aktivní)

25% Střední 5 2.26% 3.50% Akceptovatelné 6 3.51% 5.50% Jednejte opatrně 7 5.51% 8.00% Vyšší než normální 8 8.01% 20.00% Výsoké 9 20.01% 67.50% Extrémně vysoké 10 67.

11 Použití CIP akceptace / zamítnutí potenciálního zákazníka risk management Mohu s touto firmou uzavřít kontrakt? Jak mám definovat obchodní podmínky? Nízké Zvýhodněné obchodní podmínky Úvěr Finanční dopady Větší objem obchodů Dobré vztahy VIP klienti Nový kontrakt Střední Méně výhodné obchodní podmínky Úvěr Nižší limity obchodů Vyšší úrok Vysoké Příliš vysoké obchodu Cash Zamezení zbytečným ztrátám v budoucnu

Nízké Zvýhodněné obchodní podmínky Úvěr Finanční dopady Větší objem obchodů Dobré vztahy VIP klienti

12 Použití CIP řízení obchodních podmínek stávajících zákazníků customer management Na fakturu nebo za hotové? Jak vysoký limit? Finanční dopady Nízké Zvýhodněné obchodní podmínky Úvěr Větší objem obchodů Dobré vztahy VIP klienti Stávající zákazník Střední Méně výhodné obchodní podmínky Úvěr Nižší limity obchodů Vyšší úrok Vysoké Příliš vysoké obchodu Cash Zamezení zbytečným ztrátám v budoucnu

Finanční dopady Nízké Zvýhodněné obchodní podmínky Úvěr Větší objem obchodů Dobré vztahy VIP

13 2.2 Kvalita skorkarty a profitabilita Váš klient je již v prodlení se splácením Jaká bude návratnost pohledávek? Jakou mám zvolit strategii vymáhání? Nízké Jemnější přístup k vymáhání Vymáhat interně Finanční dopad Nižší náklady na vymáhání Očekáváme zaplacení po připomenutí Identifikace problému Střední Důrazný přístup k vymáhání Vymáhat interně Vyšší účinnost vymáhání! Vysoké Odprodej pohledávek Externí vymáhání Snížení hodnoty pohledávek Jak ocenit pohledávky?

Nízké Jemnější přístup k vymáhání Vymáhat interně Finanční dopad Nižší náklady na vymáhání Očekáváme zaplacení po

Podobné dokumenty

MATEMATIKA A BYZNYS. Finanční řízení firmy. Příjmení: Rajská Jméno: Ivana

MATEMATIKA A BYZNYS. Finanční řízení firmy. Příjmení: Rajská Jméno: Ivana MATEMATIKA A BYZNYS Finanční řízení firmy Příjmení: Rajská Jméno: Ivana Os. číslo: A06483 Datum: 5.2.2009 FINANČNÍ ŘÍZENÍ FIRMY Finanční analýza, plánování a controlling Důležité pro rozhodování o řízení