"Att använda befolkningsdata kommer att bidra till att minska utlåningsriskerna med 7

[annons_1]

En modell som bedömer låntagares kreditvärdighet baserat på befolkningsdata, testad av finansföretag och banker, kan minska utlåningsriskerna med upp till 20 %.

Denna information gavs av överste Vu Van Tan, biträdande chef för avdelningen för administrativ polis för social ordning ( ministeriet för offentlig säkerhet , C06) vid workshopen om tillämpning av befolkningsdata vid bedömning av lånekunders kreditvärdighet, på eftermiddagen den 7 augusti.

Enligt Mr. Tan är denna modell byggd enligt FICO-standarder (ett ledande företag inom att bygga en modell för kundkreditvärdering, tillämpad i mer än 30 länder) i USA, och har nu i princip kompletterats med 18 informationsfält för bostäder.

MB Banking and Finance Company (MCredit) testade 10 000 medborgares data, PVcombank testade 20 000 data och Datanest testade 60 000 data. Resultaten visade att riskkvoten vid utlåning av kapital till banker och kreditinstitut minskade med 7–20 %.

"Efter tester vill alla banker officiellt implementera det i sina processer", sa överste Vu Van Tan.

Ministeriet för offentlig säkerhets projekt för att tillämpa befolkningsdata för att bedöma låntagares kreditvärdighet kan hjälpa kreditinstitut att minska riskerna vid utlåning. Foto: Giang Huy — Ministeriet för offentlig säkerhets projekt för att tillämpa befolkningsdata för att bedöma låntagares kreditvärdighet kan hjälpa kreditinstitut att minska riskerna vid utlåning. Foto: *Giang Huy*

Kombinationen av banksektorn och ministeriet för offentlig säkerhet i användningen av data har medfört många fördelar, såsom autentisering och synkronisering av hanteringen av personliga identifikationskoder med kreditinformation för 41 miljoner kunder, implementering av chip-inbäddade medborgaridentifikationskort för att ta ut pengar i bankomater och användning av elektroniska identifieringskonton för autentisering.

Enligt chefen för ministeriet för offentlig säkerhet används modern teknik, trots att den endast är ett verktyg, och det saknas information och data som stödjer bankerna i att fatta utlåningsbeslut. Att låna kapital för produktion och företag möter fortfarande många svårigheter, vilket leder till svart kreditgivning som får konsekvenser.

Enligt överste Vu Van Tan finns det tre huvudskäl: bankerna saknar grund för att utvärdera och fastställa låneobjekt; det finns ingen policy för att stödja missgynnade och det saknas en statlig förvaltningsmekanism för att kontrollera svart kreditgivning.

Följaktligen har C06 samordnat med School of Information Technology, Hanoi University of Science and Technology, för att genomföra ett projekt för att bedöma låntagares kreditvärdighet baserat på befolkningsdata, med hjälp av maskininlärningsteknik och artificiell intelligens enligt FICO:s kreditreferensstandarder i USA.

Enligt vice chef för statsbanken Pham Tien Dung är kreditvärdering i Vietnam ett alltmer utbrett och populärt riskhanteringsverktyg i banker. För att modellen ska fungera effektivt och förutsäga framtida skuldbetalningsförmåga spelar dataens noggrannhet en viktig roll.

"För att ha en datakälla för att bedöma kreditvärdighet är det nödvändigt att dela från alternativa källor, särskilt den nationella befolkningsdatabasen", sa viceguvernören.

Att utöka datakällorna är också den första lösningen som nämns av Cao Van Binh, generaldirektör för National Credit Information Center (CIC), för att förbättra effektiviteten i bedömningen av låntagares kreditvärdighet.

På CIC byggdes denna modell 2015. År 2019, på grund av utökningen av täckningen, hade CIC byggt en CB 2.0-modell för att bedöma enskilda låntagares kreditvärdighet. Modellen färdigställdes och modellens poängsättningsresultat gjordes tillgängliga från april 2021.

Enligt Binh når tillväxten i informationsförsörjning från CIC alltid 15–20 % per år, vilket är högre än den genomsnittliga kredittillväxten i ekonomin . Bara under årets första sex månader har CIC tillhandahållit mer än 31 miljoner informationsrapporter av alla slag.

För varje bank krävs dock fortfarande ytterligare kriterier för att bedöma kundernas kreditvärdighet.

En representant för BIDV sa att kundens kreditvärderingsmodell använder statistiska metoder och fastställer principer och parametrar, men att användarna fortfarande måste samla in information själva, aktivt söka efter och verifiera information. Men när man distribuerar kreditprodukter för privatkunder på digitala kanaler möter det befintliga interna kreditvärderingssystemet många begränsningar när det gäller att automatiskt samla in och verifiera information och ge korrekta resultat.

"Att informationskällor verifieras och autentiseras av en tredje part, särskilt en behörig statlig myndighet, är oerhört viktigt och meningsfullt i bankens kreditverksamhet för privatkunder, särskilt med digitala produkter", sa en representant för BIDV.

En av de lösningar som tillämpas av denna bank är att samarbeta med RAR Center - ministeriet för offentlig säkerhet för att implementera kundbetygsprojektet baserat på medborgaridentifieringsdata. Baserat på resultaten av backtestmodellen meddelade BIDV att de kommer att undersöka och föreslå tillämpningen av kreditpoäng för vissa kreditprodukter för privatkunder.

Kommentar (0)