Generischer Prozess im Kreditgeschäft
Ausgangssituation im Mengenkundengeschäft
Bestimmung der Kreditform (standardisierte Raten- und Dispositionskredite)
Markenartikel ohne gleichbleibende Qualität
Refinanzierungskosten, Bearbeitungskosten und Ausfallrisiken führen zu relativ teuren Krediten
Hoher Wettbewerbsdruck (Kreditkartengesellschaften, Versandhandelsunternehmen etc.)
Was gibt es für Anforderungen an Anwendungssysteme?
Standardisierung des Prozesses
Senkung von Forderungsausfällen
Bessere Entscheidung
Senkung der mit der Prüfung verbundenen Kosten
Welche Bestandteile hat das Kreditgeschäft bei traditionellen Verfahren? Worauf basiert das Verfahren und was sind grundsätzliche Probleme?
Aktueller Einkommensnachweis
Schufa Auskunft
Ausgefüllter Fragebogen
Persönliches Gespräch
Basiert Auf Erfahrungswerte, wobei es zu Fehlern 1. und 2. Art kommen kann.
-> Fehler 1. Art: Kunde erhält Kredit und hat Zahlungsprobleme
-> Fehler 2. Art: Kunde erhält keinen Kredit, könnte aber Zahlen
Wie ist das generelle Vorgehen bei der systematischen Analyse von Bonitätsmerkmalen? Was ist daran das Problem?
Stichproben aus vergangenen Kreditverläufen (gute und schlechte)
Identifikation relevanter Bonitätsmerkmale (aussagekräftig, zuverlässig erhebbar, nicht/wenig korrelierend)
Identifikation eines Zusammenhanges zwischen Merkmalsausprägung und Kreditverlauf
Problem: Daten sind institutionsbezogen und entahlten keine abgelehnten Fälle
Wie geht man beim Credit-Scoring vor?
Vorbereitung:
Auswahl Bonitätsmerkmale
Festlegung Ausprägungswerte
Ermittlung Gewichte
Festlegung Grenzwert und -bereich
Anwendung
Abbildung des Kreditantrages anhand der Bonitätsmerkmalsausprägungen
Berechnung des Score
Überprüfung der Lage des Scores
Kreditentscheidung
Beispiel für Credit-Scoring
Charakteristik einer Diskriminanzanalyse
Analyse von Gruppenunterschieden (gut laufende vs. schlecht laufende Kredite)
Anhand einer Mehrzahl von Merkmalen
Strukturprüfendes Verfahren
Zusammenhang zwischen abhängigen und unabhängigen Variablen ist linear abbildbar
Diskriminanzfunktion
Geometrische Ableitung einer Diskriminanzfunktion
Vorgehensweise Diskriminanzfunktion
Definition der Gruppen
Formulierung der Funktion
Merkmale definieren (z.B. x1 = Alter x2= Einkommen)
Merkmale in Gleichung setzen
Schätzung der Funktion
Koeffizienten von w so legen, dass Funktion maximal wird
Prüfung der Funktion
Prüfung Merkmalsvariablen
Klassifikation neuer Elemente
Expertensysteme (XPS)
versuchen die Wissensverarbeitung menschlicher Experten nachzubilden und anderen zugänglich zu machen
Voraussetzungen:
Eng abgegrenzte Wissensgebiete
Mit Regeln abbildbar
Bonitätsmerkmale und -ausprägungen
Vorgehen: Expertensysteme zur Kreditwürdigkeitsprüfung
Vorbereitung
Aufbau der Wissensbasis
Entwicklung des Expertensystems
Eingabe der Kreditdaten
Ablesen des Entscheidungsvorschlages
(Weiterentwicklung des Systems)
Komponenten des Expertensystems
Bewertung Klassische Verfahren
Verdienste
Einfache und kostengünstige Ermittlung
Erfahrungswerte der Mitarbeiter tragen die Entscheidung
Umfassende Betrachtung des Kunden möglich
Probleme
Kompetenz und Einfühlungsvermögen der Mitarbeiter sind unterschiedlich stark ausgeprägt (fehlende Objektivität)
Erfahrungen sind personenbezogen und stehen dem Unternehmen nun bedingt zur Verfügung
Bewertung Diskriminanzanalyse
Formalisierung und Objektivierung des Kreditwürdigkeitsprozesses
Klassifikationsleistung wird als positiv bewertet
Rationalisierungseffekte (Kürzere Zeitdauer, Konzentration auf kritische Fälle)
Berücksichtigung qualitativer Daten
Krisensymptombeschreibung kein Insolvenzprognosemodell
Statistische Voraussetzungen sind nicht immer erfüllt (Normalverteilung, ausreichend großer Stichprobenumfang, etc.)
Hohe Entwicklungskosten und Systempflegekosten
Bewertung Expertensysteme
unterstützen Diagnose-, Prognose- und Beratungsaufgaben
Erstellung von Planbilanzen
Berücksichtigung von qualitativen Daten
Förderkredit- bzw. Subventionskreditberatung
Wissensakquisition
Implementierung
Programmierung der Wissensverarbeitung ist komplex
Zuletzt geändertvor einem Jahr