Komentarz Ingmara Stuppa, CPO i Dyrektora Zarządzającego w Finiata Group
Ocena zdolności kredytowej oparta na systemach uczenia maszynowego (Machine Learning - ML) stała się niewątpliwie jednym z momentów zwrotnych w rozwoju branży finansowej w ostatnich latach. Szczególnie teraz, w czasach pandemii, każdy powinien odetchnąć z ulgą, biorąc pod uwagę zalew wniosków kredytowych, w których samouczące się algorytmy automatycznie i niezależnie sprawdzają zdolność kredytową. Cóż, jedynie w teorii. Nasuwa się bowiem pytanie, czy modele machine learning działają poprawnie w tak ekstremalnych sytuacjach? Przecież uczyły się w zupełnie innym środowisku społeczno-ekonomicznym - bez dystansowania się, zamkniętych restauracji i pustych środków transportu.
Do niemieckiego państwowego banku rozwoju z siedzibą we Frankfurcie nad Menem (KfW) tylko w ciągu tygodnia wpłynęły 2 432 wnioski o pożyczki promocyjne mające związek z pandemią koronawirusa. Urzędnicy z trudem nadążają z rozpatrywaniem wniosków. Dobrą wiadomością jest to, że ocena kredytowa dokonywana przez w pełni zdigitalizowane i zautomatyzowane algorytmy uczenia maszynowego jest i tak dokładniejsza niż w przypadku tradycyjnych agencji kredytowych. Dzięki temu pracownicy rozwijają się i mogą wykonywać więcej zadań w krótszym czasie. Wszak tego rodzaju samouczące się algorytmy potrzebują większej ilości danych, aby przetestować swoje hipotezy. Początkowo, nasz algorytm "Copernicus" miał wskaźnik błędu oscylujący w dwucyfrowym zakresie procentowym. Od tego czasu spadł on do dwóch procent. Nasz współczynnik Giniego wynosi nieco poniżej 70, podczas gdy porównywalne agencje kredytowe osiągają wyniki gorsze o około 30 punktów.
Czy algorytmy machine learning są kluczem do radzenia sobie z obsługą niezliczonych pożyczek udzielanych mikroprzedsiębiorstwom i osobom pracującym na własny rachunek, właścicielom restauracji i salonów fryzjerskich w ciągu kilku minut? Będziemy musieli poczekać i przekonać się, ponieważ algorytmy te uczyły się w zupełnie innym środowisku rynkowym. Czy ich założenia są nadal aktualne w czasach COVID-19? Jak bardzo zmieniły się okoliczności? Które założenia z czasów przed kryzysem są nadal aktualne?
Pojawiły się pierwsze pozytywne sygnały. Wewnętrznie w Finiacie oceniliśmy, czy nasi dotychczasowi klienci spłacają swoje kredyty tak samo rzetelnie i punktualnie, jak przed rozpoczęciem kryzysu. Okazało się, że w drugim kwartale bieżącego roku nasi klienci spłacają swoje kredyty niemal w tak samo terminowy sposób (83 proc.), jak na początku roku (85 proc.) i w ostatnim kwartale 2019 roku (84 proc.). To pierwsza oznaka, że założenia naszego algorytmu dotyczące zdolności kredytowej mikroprzedsiębiorstw i osób samozatrudnionych przed wybuchem pandemii COVID-19 są nadal aktualne.
Jednak jest jeszcze za wcześnie, by dokonać empirycznej oceny wpływu COVID-19 na nowe przedsiębiorstwa w czasie kryzysu. W perspektywie kilku miesięcy będziemy wiedzieć więcej o terminowości pierwszych spłat. Na tej podstawie algorytm Copernicus będzie kontynuował swój proces stałej samooptymalizacji. Czy nowe związki przyczynowe można uporządkować według schematu i uwzględnić w nowym modelu biznesowym? Można to ująć w następujący sposób, jednak jest to bardzo hipotetyczne: Nawet jeśli w czasach COVID-19 nowym przedsiębiorstwom towarzyszy większe prawdopodobieństwo niespłacenia zobowiązania, algorytmy samouczące szybko się dostosowują, identyfikując najważniejsze parametry i działając nawet w nowym środowisku, które charakteryzuje się małym prawdopodobieństwem niespłacenia zobowiązania.
Jest jedna rzecz, o której nie powinniśmy zapominać: Cały sektor bankowy stoi przed tym samym wyzwaniem – zarówno ludzie, jak i maszyny. Pracownik nie jest lepszy od algorytmu. Z tą subtelną różnicą, że nigdy nie będzie miał możliwości analizowania ogromnych ilości danych tak szybko, jak algorytm uczenia maszynowego. Zanim urzędnicy zoptymalizują swój zbiór kryteriów, sytuacja znów się zmieni. Przynajmniej tyle można przewidzieć nawet w obecnych, niepewnych czasach. I choć raz można to zrobić całkowicie bez algorytmu.
Ingmar Stupp jest CPO oraz dyrektorem zarządzającym Finiata, firmy specjalizującej się w krótkoterminowym zarządzaniu płynnością finansową małych przedsiębiorstw, osób prowadzących działalność gospodarczą na własny rachunek i freelancerów. Finiata w najbliższych latach, oprócz głównego rynku, jakim jest Polska, koncentruje się na rozwoju we Włoszech, Hiszpanii i Turcji. W Finiata ocena kredytowa jest całkowicie zdigitalizowana i zautomatyzowana. Algorytm „Copernicus” jest stale rozwijany poprzez uczenie maszynowe. W ciągu kilku minut sprawdza wiarygodność kredytową aplikantów internetowych – z dwuprocentowym wskaźnikiem niewypłacalności i współczynnikiem Giniego lepszym o 30 punktów, niż w przypadku porównywalnych agencji kredytowych.
Link do strony artykułu: https://wirtualnemedia.pl./centrum-prasowe/artykul/jak-wazne-podczas-pandemii-covid-19-jest-uczenie-maszynowe-wykorzystywane-w-ocenie-kredytowej