"Att tillämpa befolkningsdata kommer att bidra till att minska utlåningsrisken med 7–20 %"

Enligt tester utförda av finansbolag och banker kan en modell för att bedöma lånesökandes kreditvärdighet baserat på demografiska data minska utlåningsrisken med upp till 20 %.

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

Enligt Mr. Tan byggdes denna modell enligt FICO-standarden (ett ledande företag inom att bygga kreditvärderingsmodeller för låntagare, tillämpad i mer än 30 länder) från USA, och är nu i princip komplett med 18 fält med information om invånare.

MB Banks finansbolag (MCredit) testade 10 000 medborgardatapunkter, PVcombank testade 20 000 datapunkter och Datanest testade 60 000 datapunkter. Resultaten visade en minskning av utlåningsrisken för banker och kreditinstitut med 7–20 %.

"Efter provperioden uttryckte alla banker en önskan att officiellt implementera processen i sin egen verksamhet", uppgav överste Vu Van Tan.

Ministeriet för offentlig säkerhets projekt att tillämpa befolkningsdata för att bedöma lånesökandes kreditvärdighet kan hjälpa kreditinstitut att minska utlåningsriskerna. Foto: Giang Huy

Samarbetet mellan banksektorn och ministeriet för offentlig säkerhet när det gäller att använda data har gett många fördelar, såsom verifiering och synkronisering av hanteringen av personnummer med kreditinformation för 41 miljoner kunder, implementering av chipförsedda medborgar-ID-kort för uttag i bankomater och användning av elektroniska identitetsverifieringskonton.

Enligt ledare för ministeriet för offentlig säkerhet används modern teknik, trots att den används, bara som verktyg, och saknar information och data för att stödja bankerna i att fatta utlåningsbeslut. Att låna kapital för produktion och företag är fortfarande svårt, vilket leder till spridning av olaglig utlåning och deras negativa konsekvenser.

Enligt överste Vu Van Tan finns det tre huvudskäl: bankerna saknar grund för att bedöma och identifiera berättigade låntagare; det finns ingen policy för att stödja utsatta grupper; och det saknas statliga förvaltningsmekanismer för att kontrollera illegal utlåning.

Följaktligen samarbetade C06 med School of Information Technology , Hanoi University of Science and Technology, för att genomföra ett projekt som utvärderar låntagares kreditvärdighet baserat på befolkningsdata, med hjälp av maskininlärning och artificiell intelligens enligt FICO:s kreditreferensstandard i USA.

Enligt vice chef för Vietnams statsbank, Pham Tien Dung, är kreditvärdering i Vietnam ett alltmer utbrett och populärt riskhanteringsverktyg i banker. För att modellen ska fungera effektivt och förutsäga framtida återbetalningsförmåga spelar informationens noggrannhet en avgörande roll.

"För att få tillgång till data för att bedöma kreditvärdighet är det viktigt att ha tillgång till alternativa källor, särskilt den nationella befolkningsdatabasen", konstaterade viceguvernören.

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

På CIC utvecklades denna modell 2015. År 2019, på grund av utökningen av täckningen, utvecklade CIC kreditvärdighetsbedömningsmodellen CB 2.0 för enskilda låntagare. Modellen färdigställdes och dess poängsättningsresultat gjordes tillgängliga från april 2021.

Enligt Binh når CIC:s tillväxt av informationsförsörjning ständigt 15–20 % årligen, vilket är högre än den genomsnittliga kredittillväxttakten i ekonomin . Bara under årets första sex månader tillhandahöll CIC över 31 miljoner rapporter av olika slag.

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

En representant från BIDV uppgav 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 ha tillgång till verifierad och autentiserad information från tredje part, särskilt behöriga statliga myndigheter, är oerhört viktigt och betydelsefullt för bankers utlåningsverksamhet till privatkunder, särskilt för digitala produkter", uppgav en representant för BIDV.

En av de lösningar som banken har antagit är att samarbeta med RAR Center – ministeriet för offentlig säkerhet för att genomföra ett kundrankningsprojekt baserat på medborgaridentifieringsdata. Baserat på resultaten från backtest-modellen meddelade BIDV att de kommer att undersöka och föreslå tillämpning av kreditpoäng för vissa kreditprodukter för privatkunder.

Minh Son

Källänk: https://vnexpress.net/ung-dung-du-lieu-dan-cu-se-giup-giam-7-20-rui-ro-cho-vay-4638946.html