Risikoklassifisering av kunder i Eika. Hva skjer når 80 sparebanker går sammen om å lage en felles modell for risikoklassifisering av lånekunder?

Transkript

1 Risikoklassifisering av kunder i Eika Hva skjer når 80 sparebanker går sammen om å lage en felles modell for risikoklassifisering av lånekunder?

2 Agenda Kort introduksjon Eika Prosjektet Leveransen Utviklingsjobben Lærdommen

3 Innledning Hva er Eika?

4 Hva er Eika?

5 Eika-bankene Solide lokalbanker med høy kundetilfredshet Stor aktør nasjonalt Eika-bankene er samlet sett en betydelig faktor i norsk bankvesen Viktig aktør lokalt Eika-bankene er ofte den største finansielle aktør i sitt marked, og den viktigste leverandør av kapital i sine lokalsamfunn. Unik nærhet til kunden Stor distribusjonskapasitet 200 kontorer/filialer i nær 140 kommuner.

6 Hva er Eika? Rundt 80 selvstendige banker Geografisk fordelt over store deler av landet Lokal tilhørighet og lokalt fokus Felles løsninger og produkter

7 Eika-samarbeidet Selvstendige banker Felles datasystem og produktløsninger Fellestjenester - Servicesenter - Etablert flere fagavdelinger

8 Eika i bank-norge Markedsandel utlån personmarked Per

9 Eika i bank-norge Antall kunder Per (tall i 1000 kunder)

10 Lokalbankene har høyest kundetilfredshet Bedriftsmarkedet Eika Gruppen 71,4 Annen forretn.bank 71,4 Handelsbanken 70,4 DNB 70,4 Annen sparebank 71,0 Sparebanken Sør 69,0 Fokus Bank 68,2 Sparebank1 Gr. 66,7 Nordea 63,7 Bransjesnitt 68,9 Personmarkedet Skandiabanken 80,3 Eika Gruppen 77,6 Sparebanken Sør 75,8 Handelsbanken 75,7 Annen bank 74,7 Sparebank1 Gr. 71,0 DNB 68,2 Nordea 67,8 Fokus Bank 66,6 Bransjesnitt 71,5 Kilde: EPSI 2012

11 Eika Utgangspunkt for utvikling av nye risikoklassifiseringsmodeller «Små banker» Begrenset fagmiljø Lite tap

12 Innledning Prosjektet

13 Prosjektet Felles modeller for risikovurdering av kunder

14 Prosjektet Hva er risikoklassifisering? Vi bruker tilgjengelig informasjon om kunden i modeller som beregner sannsynlighet for at en kunde går i mislighold/konkurs i løpet av de kommende 12 måneder

15 Bakgrunn for prosjektet Dagens modell Skjønnsmessig Kun rangering Sier ikke noe om nivået/størrelsen på risiko Bankene Ønsker en objektiv modell som vurderer flest mulig aspekt ved kunden Bedre forståelse av risiko både på portefølje- og kundenivå Bedret kredittprosess Finanstilsynet Modeller som sier noe om risikonivået totalt sett Modell basert på statistikk og sannsynlighet i stedet for skjønn Etterprøvbar modell

16 Prosjektet Kredittområdet er det største og mest krevende forretningsområdet i bank Størrelsen på bankene gjør at det ikke er mulig å lage egne modeller for hver enkelt bank Modeller for: Fellesprosjekt 1. Sannsynlighet for at kunden går i mislighold 2. Hvor mye taper banken dersom kunden går i mislighold

17 Leveransen

18 Svært innholdsrik leveranse Risikoklassifiseringsmodellene er bare en liten del av det som skal leveres til bankene LØFT programmet Ny løsning for CRM Nytt datavarehus Risikoklassifisering Beregning av tap Risikorapporter

19 Risikoklassifiseringsprosjektet Modell for risikoklassifisering Modeller for beregning av tap Risikorapporter Ekstern sammarbeidspartner: Bisnode (Soliditet) Ulike modeller for ulike typer kunder: Bedrift Privat Ny Eksisterende Opprinnelig plan: 1 måned data 11 måneder testing Basere seg på ny risikoklassifiseringsmodell Gruppevise nedskrivninger Beregning av tap på enkeltkunder Forutsetning 1: Risikoklassifiseringsmodell på plass Forutsetning 2: Tilstrekkelig kvalitet på nytt datavarehus

20 Modeller RKL Ny kunde 6 måneder Generisk modell Makromodell Atferdsmodell Generisk modell Makromodell Generisk modell vekter ca 95 % Atferdsmodell vekter ca 80 % (70 % BM) Generisk modell vekter ca 20 % (30 % BM) Makromodell vekter ca 2 %

21 Modeller RKL Atferd Ekstern Makro Kundens atferd i banken - Overtrekk - Purringer - Innskudd Offentlig tilgjengelig informasjon - Ligningstall - Regnskap - Demografi Makroøkonomiske variabler - BNP - Arbeidsledighet Sammenslåing av modellene Beregning av sannsynlighet for mislighold og tilhørende risikoklasse Lav risiko Middels risiko Høy risiko Misligholdt/ tapsutsatt 0,01 0,50 0,51 3,0 3, Mislighold > 90 dager/tapsmerket

22 Utviklingsjobben

23 Utviklingsjobben Teste Modellere Analysere Samle inn data

24 PD modeller Hvordan komme fram til godkjent modell? t Modellering Alle bankenes kredittaktive kunder inngår i utvalget «Alle» tilgjengelige variabler blir vurdert 4 år med data Validering Ferdige modeller valideres på separate valideringsutvalg «Out-of-time outof-sample» Årlig validering av modellene Vurdert av Ernst & Young Godkjenning i bank Forretningsmessig vurdering av modellene av pilotog prosjektbanker Avdekke feil og uklarheter Modellene skal godkjennes av pilotbankene PD = Probability of Default (sannsynlighet for mislighold) 24

25 Utviklingsjobben Datagrunnlag Tilgang til datagrunnlag Outsourcing Ulike rutiner/ulik praksis

26 Utviklingsjobben Samarbeidet med Bisnode Vi er veldig tilfreds med samarbeidet Leverer på avtalt tid Forutsigbarhet Tilpasningsdyktig ved endringer i forutsetninger og ønsker Faglig dyktig samarbeidespartner

27 Lærdommen

28 Lærdom for kommende oppgaver Kontroll på datagrunnlaget Ikke undervurder kompleksiteten Gjør leveransen uavhengig av andre prosjekt

29