Banken worden vaak geconfronteerd met de moeilijke beslissing om wel of niet schulden na te jagen. Enerzijds willen ze zoveel mogelijk geld inzamelen. Aan de andere kant willen ze niet meer geld uitgeven aan het najagen van schulden dan ze waard zijn.

Een nieuwe methode ontwikkeld door onderzoekers van de University of California, Berkeley, zou banken kunnen helpen deze beslissing te nemen. De methode maakt gebruik van een machine-learning-algoritme om de waarschijnlijkheid te voorspellen dat een kredietnemer in gebreke zal blijven met een lening en de hoeveelheid geld die de bank waarschijnlijk zal terugkrijgen als ze de schulden najagen.

De onderzoekers testten de methode op een dataset van ruim 1 miljoen leningen. Ze ontdekten dat het in staat was om wanbetalingen en hersteloperaties met een hoge mate van nauwkeurigheid te voorspellen. Dit suggereert dat banken de methode zouden kunnen gebruiken om hun besluitvormingsprocessen te verbeteren en hun winstgevendheid te vergroten.

De methode zou ook kunnen worden gebruikt door andere kredietverstrekkers, zoals creditcardmaatschappijen en aanbieders van studieleningen. Door wanbetalingen en terugvorderingen nauwkeuriger te voorspellen, zouden deze kredietverstrekkers betere beslissingen kunnen nemen over welke schulden ze moeten nastreven en hun bedrijfsresultaten kunnen verbeteren.

Dit zijn de belangrijkste punten van de nieuwe methode:

* Maakt gebruik van een machine-learning-algoritme om de waarschijnlijkheid te voorspellen dat een lener in gebreke blijft bij het afbetalen van een lening.

* Houdt rekening met een verscheidenheid aan factoren, waaronder de kredietscore van de lener, de verhouding tussen schulden en inkomsten en de betalingsgeschiedenis.

* Voorspelt de hoeveelheid geld die de bank waarschijnlijk zal terugkrijgen als ze achter de schulden aan gaan.

* Is getest op een dataset van meer dan 1 miljoen leningen en is zeer nauwkeurig gebleken.

* Kan door banken en andere kredietverstrekkers worden gebruikt om hun besluitvormingsprocessen te verbeteren en hun winstgevendheid te vergroten.

Voordelen van de nieuwe methode:

* Helpt banken betere beslissingen te nemen over welke schulden ze moeten najagen.

* Verhoogt de nauwkeurigheid van standaard- en herstelvoorspellingen.

* Verbetert de winstgevendheid door de kosten van het najagen van dubieuze debiteuren te verlagen.

* Kan worden gebruikt door andere kredietverstrekkers, zoals creditcardmaatschappijen en aanbieders van studieleningen.

Conclusie:

De nieuwe methode, ontwikkeld door onderzoekers van de University of California, Berkeley, zou banken kunnen helpen betere beslissingen te nemen over wanneer ze schulden moeten najagen. De methode maakt gebruik van een machine learning-algoritme om de waarschijnlijkheid te voorspellen dat een kredietnemer in gebreke zal blijven met een lening en de hoeveelheid geld die de bank waarschijnlijk zal terugkrijgen als ze de schulden najagen. De methode zou ook kunnen worden gebruikt door andere kredietverstrekkers, zoals creditcardmaatschappijen en aanbieders van studieleningen.