Despre bănci, risc de creditare și forecasting

Așa cum i-am promis lui Ghiță, voi încerca să explic un pic cum funcționează creditarea bancară.

„Credit risk for dummies” – culmea, deși există ghiduri pentru un milion de lucruri inclusiv „Mutual Funds”, „Currency Trading”, „Investment Banking”, nu am găsit un astfel de ghid pentru evaluarea riscului de creditare. Pare deci că ideea de a scrie un astfel de ghid e bună. Firește că nu voi putea acoperi într-un singur articol ceea ce ar trebui scris într-o carte. Însă ar putea fi introducerea și poate cuprinsul pentru cei ce vor să studieze mai departe.

Să presupunem că suntem persoana responsabilă de creditarea persoanelor fizice la o bancă fictivă, Banca de Credite. De obicei, o astfel de persoană se numește Vicepreședinte Retail Banking. Pentru simplitate să zicem că vom acorda doar credite ipotecare, adică credite garantate cu imobile. Paradoxal, ca procedură, acesta este creditul cel mai complicat pentru că:

1. trebuie să evaluezi valoarea curentă a imobilului pus ca garanție;
2. să ghicești trendul pieței imobiliare pentru o lungă perioadă de timp (durata creditului), de cele mai multe ori mai mare de 10 ani, ceea ce e un lucru cvasi-imposibil;
3. să te asiguri că debitorul are o sursă sigură de bani care nu o să dispară pe durata creditului, ceea ce este iarăși cvasi-imposibil.

Asta înseamnă că trebuie să plătești evaluatori în care să ai încredere, să ai un departament de „forecasting” macroeconomic care te costă o căruță de bani în fiecare lună și să ai o armată de oameni, care să întocmească și apoi să verifice dosarele de credit. Dacă ați aveți un credit, probabil că știți câte „dovezi” conține un astfel de dosar. După care începe verificarea atentă a documentelor pentru a evita FRAUDA la cereri.

Pentru a evita munca inutilă, înainte de a se trece la întocmirea dosarului, banca face un „pre-scoring”, pentru a vedea dacă creditul poate fi acordat pe ceea ce SPUNE cel ce cere creditul. Aici apare pentru prima dată voodoo-ul numit „risc de creditare”, ascuns în cuvântul SCORING.

Practic banca trebuie să ghicească dacă un gigel, având vârsta X1, venitul X2, de profesie X3, angajat ca X4, la societatea de tip X5, din industria X6, șamd va fi capabil sau nu să returneze creditul de valoarea Y1, pe perioada Y2, cu dobânda Y3 și comisionul de acordare Y4, șamd.

La prima vedere este un lucru imposibil. Statistica ajută ca o frecție la un picior de lemn. Te ajută să ghicești corect aproximativ 20-30% din clienți. Din fericire, cineva a inventat ghicitul științific al viitorului și cu date ISTORICE corecte, poți ghici corect peste 95% din clienți. Restul reprezintă pierderi, ce se acoperă din marginea băncii sau din valorificarea garanțiilor.

Atunci când am zis date ISTORICE am introdus deja a doua necunoscută majoră.

Oricât de inteligente ar fi sistemele de „ghicit” științific, ele folosesc ca date de intrare lucrurile deja învățate despre comportamentul creditorilor. Nu pot inventa (încă) modele. Ca atare, „lebedele negre” (evenimente rare și improbabile) le perturbă major, blocând decizia. Din acest motiv, imediat după criză, creditarea s-a blocat subit și încă își caută drum. Pentru că noile modele au nevoie de timp pentru a se valida.

Vorbind de economia noastră, „lebăda neagră” a fost decizia de a tăia salariile bugetarilor cu 25%. Brusc comportamentul de plată excelent al bugetarilor s-a deteriorat brusc.

(Partea a doua)

Revenind la SCORING, este de spus că o întreagă industrie s-a dezvoltat în jurul subiectului transformându-l într-un fel de voodoo, deși problema este una elementară. Practic trebuie să găsești „pattern”-ul celor care își plătesc ratele la credit, din mulțimea celor care iau credite. Dacă vreți, dezvolt ideea despre cum se face asta, dar mi se pare mai interesant de văzut de ce o problemă de matematică cu soluție cunoscută s-a transformat într-un fel de ritual șamanic, pe care doar cei „inițiați” au voie să-l practice.

Probabil că ați intuit, de vină sunt din nou parlamentarii. Cei care trebuie să reglementeze lucruri la care nu se pricep, dar despre care au voie să-și dea cu părerea și, infinit mai rău, să le transforme în LEGI. Iar asta s-a întâmplat (în primul rând) în Statele Unite.

Cel mai ușor de înțeles exemplu este eliminarea prin LEGE a rasei, etnicității, sexului și vârstei, caracteristici critice la evaluarea modelului de risc.

By law and regulation, an individual’s personal characteristics—such as race or ethnicity, national origin, sex, and, to a limited extent, age—must be excluded from credit-scoring models.

(citat din „Report to the Congress on credit scoring and its effects on the availability and affordability of credit” – august 2007)

Corectitudinea politică, ca de obicei, sfidează logica elementară. În mod surprinzător, România este încă „rămasă în urmă” la acest capitol al corectitudinii politice, astfel că sunt semnificativ mai puține restricții la construcția modelelor de risc.

Din nefericire, „libertatea” aceasta a fost folosită greșit de idioți. Atât greci, cât și austrieci. Disperați după cota de piață, unele bănci (și sunt celebre Volksbank și Bancpost) au decis să ignore riscul și să-și crească cu „orice preț” portofoliul de clienți. Firește că s-au ales ce cei pe care ceilalți nu-i voiau. Efectul se știe. Volksbank a intrat, mai întâi în conflict cu BNR-ul și apoi în dificultate financiară. Atitudinea dură a BNR-ului, care a obligat banca mamă (care la rândul ei a fost susținută de statul austriac și în ultimă instanță de contribuabilii austrieci) să susțină subsidiara, a salvat de faliment banca românească. Însă prețul plătit de banca mamă a fost uriaș. Practic s-a vândut, cu tot cu celelalte subsidiare, pe nimica toată către rușii de la Sberbank.

Iar Volksbank România, repusă pe linia de plutire a fost preluată de Transilvania. E de văzut, dacă Transilvania va reuși să o mențină sau se vor duce împreună la fund.

(Partea a treia) Un pic de voodoo, aka „Credit Scoring”

După cum spuneam mai sus, problema găsirii unui anumit „pattern” (tipar) într-o serie de date este o problemă cunoscută și rezolvabilă. În cazul nostru (creditarea de retail), datele celui ce cere credit, tipul de credit și datele ISTORICE referitoare la modul în care s-au plătit ratele la credit reprezintă datele ce urmează a fi procesate în vederea construirii „score-card”-ului. Folosind rețele neuronale sau diverse modele de regresie (logistică, lineară, etc) din datele de intrare se obține „Score-Card”-ul care este o funcție lineară a datelor de intrare (socio-demografice + parametrii creditului). Prin aplicarea acestuia asupra datelor istorice de intrare (IN) ar trebui să se reproducă, cu o acuratețe cât mai mare, datele istorice legate de plata ratelor, care sunt date de ieșire pentru model (OUT).

În funcție de cât de bună este potrivirea dintre datelor de plată PROGNOZATE vs datele de plată ISTORICE se stabilește (calibrează) acuratețea modelului. Odată aplicat pentru noi clienți și noi credite, modelul de scoring trebuie monitorizat în permanență pentru a nu depăși limitele stabilite la calibrare.

Dacă se întâmplă vreun fenomen macro-economic major (tăierea salariilor bugetarilor cu 25%), este de așteptat ca modelele de scoring să se decalibreze rapid. Din nefericire, chiar dacă bancherii și-au dat seama că acest lucru urmează să se întâmple, nu au avut prea multe variante de a reacționa. Prima variantă (cea sigură) este să rejectezi TOATE creditele pentru bugetari, așteptând ca evenimentul să genereze efecte măsurabile pe care să le aplici într-un nou model.

A doua variantă (cea stupidă) este să continui ca și cum nu s-ar fi întâmplat nimic așteptând decalibrarea modelului. Cea de a treia este să mărești „empiric” riscul pentru bugetari, sperând că nu o să o încasezi prea rău (bad debts) și nici nu o să pierzi prea mulți clienți bugetari solvabili. Majoritatea băncilor „normale” au adoptat strategia a treia, așteptând să se acumuleze date pentru recalibrare.

Acum dacă am reușit să vă fac să înțelegeți cum funcționează creditarea de retail într-o PIAȚĂ LIBERĂ, vă propun să exersăm împreună modelarea distorsiunilor rezultate din LEGISLAȚIA POPULISTĂ.

Care credeți că este efectul „dării în plată” asupra modelelor de risc? Vă previn că nu este un exercițiu ușor.

(va urma)