Luchtvaartmaatschappijen zoals Virgin Atlantic gebruiken machine learning om bijvoorbeeld concurrerendere vliegtickets aan te bieden. (Je zou kunnen denken dat vliegtickets gestandaardiseerd zijn, maar in werkelijkheid worden ze beïnvloed door talloze variabelen, zoals waar je woont). Op dezelfde manier gaan de banken deze kant op met hypotheken.

Meer in het algemeen heeft de prijsstelling van leningen het potentieel om te veranderen. Mijn onderzoeksgroep publiceerde onlangs een artikel over autoleningen in Noord-Amerika. Door machine learning toe te passen op duizenden kredietbeslissingen via dealers, ontdekten we dat de winst met 34% had kunnen worden verhoogd.

Hieraan zijn echter kosten verbonden:het zou betekenen dat risicovollere kredietnemers iets meer voor hun leningen moeten betalen dan nu het geval is. Zoals we zullen zien, zijn hier enkele verzachtende factoren aan verbonden, die volgens sommigen zelfs de kosten rechtvaardigen. Hoe het ook zij, het roept diepgaande vragen op over de toekomst van de kredietverlening.

De overstap naar variabele prijzen

Tot enkele decennia geleden waren de prijzen voor leningen voor iedereen hetzelfde. Dat begon te veranderen na de introductie van credit scores eind jaren tachtig. Deze werden vaak gebruikt om leningen voor klanten met een hoger risico iets duurder te maken.

Dit was deels om de kosten te dekken van crediteuren die follow-up moesten geven aan wanbetalingen en dubieuze schulden moeten afschrijven, en deels omdat risicovollere klanten minder snel zullen weglopen van leningen met zwaardere voorwaarden. Dat wil zeggen dat ze minder prijsgevoelig zijn dan andere leners, vooral omdat hun mogelijkheden beperkter zijn.

Als het gaat om het vaststellen van prijzen, worden de beslissingen vaak gedelegeerd aan verkopers. De beste informatie over deze praktijk komt uit een onderzoek uit 2014 in Duitsland, waaruit bleek dat 72% van de bedrijven in meerdere sectoren, waaronder de financiële dienstverlening, dit deed.

De autoleningensector is een klassiek voorbeeld. Kredietverstrekkers vertrouwen verkopers bij dealers toe om de leningsvoorwaarden van klanten te bepalen, inclusief rentetarieven, depositogrootte en de looptijd van de lening. Decennia lang is dit een soort veronderstelde ‘beste praktijk’ geweest. Het vermogen van verkopers om de prijsgevoeligheid van klanten op het verkooppunt subjectief te beoordelen, wordt gezien als een uniek concurrentievoordeel. En ondanks het potentieel van AI om nauwkeurigere beslissingen te nemen met behulp van veel meer gegevens, is deze sector er nog maar nauwelijks mee begonnen om het te gebruiken bij de prijsstelling van leningen.

We wilden de omvang van de kans kwantificeren. We werkten samen met een autolener in Canada en gebruikten zijn historische gegevens om een ​​statistisch model op te bouwen dat rekening hield met de cruciale beslissingen die door de kredietverstrekker, verkopers en klanten werden genomen. Ons algoritme schatte vervolgens de impact van verschillende leningprijzen op de beslissing van een klant om de aangeboden voorwaarden te accepteren of af te wijzen. Van daaruit konden we de prijs bepalen die de winst voor de kredietverstrekker maximaliseerde.

Onze resultaten bevestigden dat klanten verschillend reageren op leningprijzen, voornamelijk afhankelijk van hun risicoprofiel. Hoewel hun prijsgevoeligheid per land of sector kan verschillen, betekent het feit dat dit een veel voorkomend fenomeen is waarschijnlijk dat onze bevindingen breed overdraagbaar zijn.

Wat we hebben gevonden

De onderstaande grafiek laat zien hoe ons algoritme de prijzen van leningen voor onze kredietverstrekker zou hebben aangepast. De leningen worden iets goedkoper voor klanten met een lager en middelhoog risico (tier 1 en tier 2), en duurder voor de groep met het hoogste risico (tier 3). Terwijl de door de verkopers aangeboden leningen gemiddeld al ongeveer 0,5 procentpunt hoger geprijsd waren voor klanten uit niveau 3 dan die uit niveau 1, berekende het algoritme dat dealers klanten met een hoog risico 1,07 punten meer in rekening konden brengen.

AI versus instelling voor menselijke leningen

De kredietverstrekker zou hiervan profiteren omdat hij extra rente zou kunnen innen voor het dragen van extra risico. Op het eerste gezicht is de risicovolle kredietnemer aan het verliezen, ook al is dat niet zo eenvoudig als het op het eerste gezicht lijkt.

In de praktijk was het goedkeuringspercentage van de kredietverstrekker voor leningen aan klanten met een lager risico ruim 50 procentpunten hoger dan voor klanten met een hoger risico. We denken dat het zeer waarschijnlijk is dat het gebruik van een AI-systeem voor prijsstelling het aandeel leninggoedkeuringen voor risicovollere klanten aanzienlijk zou vergroten, omdat kredietverstrekkers vollediger zouden worden gecompenseerd voor het zakendoen met hen.

Goedkeuringspercentage van leningen per risiconiveau

Het is ook de moeite waard om te benadrukken dat het grotere verschil in leningprijzen bij gebruik van het AI-systeem klein is. Op een driejarige lening van £20.000 (€34.338) is dit het verschil tussen £658 per maand voor klanten met een laag risico (tegen een jaarlijkse rentevoet van 12%) en £668 per maand voor klanten met een hoog risico (tegen een jaarlijkse rentevoet van 13,1%).

Wat nu

Volgens onze bevindingen kunnen gegevens van goede kwaliteit de informatie vervangen die verkopers op de verkoopvloer kunnen genereren. In dergelijke omstandigheden is op AI gebaseerde gecentraliseerde prijsstelling de duidelijke winnaar in de race om winst.

Het is zeer waarschijnlijk dat kredietverstrekkers de komende jaren van deze nieuwe technologieën zullen willen profiteren, ondanks dat ze tot nu toe traag zijn geweest met het toepassen van machine learning voor prijsbeslissingen. Vooruitlopend op deze verschuiving is eerlijkheid al een probleem geworden:Britse financiële toezichthouders waarschuwden banken een tijdje geleden dat ze AI alleen voor leningen konden gebruiken als ze bewijzen dat de aanpak geen nadelige gevolgen heeft voor degenen die het al moeilijk vinden om leningen te krijgen.

Zoals we hebben gezien kunnen leners met een hoog risico zowel bevoordeeld als benadeeld worden door deze technologie. Nu bedrijven steeds meer naar deze modellen willen overstappen, zullen de discussies over de voor- en nadelen waarschijnlijk alleen maar heviger worden.

Aangeboden door The Conversation

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.