Managerial impact 37

Op dit moment worden door Omega bepaalde variabelen meegenomen in de PD-modellen, waaronder BKR, Tijd in portefeuille en leeftijd. Op basis van het huidige PD-model worden klanten geclassificeerd. De resultaten uit dit onderzoek bieden verschillende mogelijkheden om de toepassing van het PD-model te verbreden/beperken en te bevestigen wat Omega moet aanhouden in de huidige modellen.

Omega neemt de variabelen BKR, tijd in portefeuille, terugbetaalmethode, leeftijd en bezettingsgraad op het moment al mee in de berekening van het PD-model. Uit het onderzoek is gebleken dat veel van deze variabelen een significantie laten zien met default, maar dat er ook andere variabelen zijn die een significantie laten zien, die vooralsnog niet worden meegenomen in het huidige PD-model.

Bezettingsgraad en BKR-score verklaren het grootste gedeelte in dit onderzoek. Het is dan ook aan te raden om deze variabelen zeker in het PD-model te houden van Omega. Storno is de derde variabele die in de forward regressie wordt toegevoegd. Deze variabele neemt Omega niet mee het in het huidige PD-model. Op basis van dit onderzoek zou storno wel meegenomen kunnen worden in het PD-model. Omega kan deze variabele additioneel gaan onderzoeken om eventueel mee te nemen in een toekomstig PD-model, waarbij storno snel door te voeren is in een nieuw model. Achterstand is de volgende variabele die een significantie laat zien met default. Omega rapporteert klanten die in de afgelopen 12 maanden al in achterstand hebben gezeten in een andere portefeuille en geeft aan deze klanten een ander risicoprofiel. Deze studie bevestigt dat Omega deze gang van zaken kan hanteren omdat, als de klant de afgelopen 12 maanden in achterstand heeft gestaan, dit een significante relatie heeft met default in het jaar erna. Terugbetaalmethode geeft ook een significantie met default aan in het onderzoek, waarbij Omega een korting berekend op het risicoprofiel als de klant een automatische incasso heeft. Het onderzoek toont aan dat als een klant een automatische incasso heeft lopen dat de kans op default kleiner is dan als de klant een overboeking doet. Hierbij bevestigt dit onderzoek dat Omega een korting kan geven op het risicoprofiel van een klant als die een automatische incasso heeft lopen. Tijd in portefeuille wordt door Omega meegenomen in het huidige PD-model, waarbij deze studie geen significante relatie legt met default. Omega kan overwegen om deze variabele uitvoerig te testen en eventueel in een nieuw PD-model achterwege te laten. De reden hiervoor kan zijn dat Omega de klant al uitgebreid van tevoren toetst zodat tijd in portefeuille

hierdoor geen impact meer heeft. Huisvesting wordt door Omega niet gebruikt in het PD-model waarbij dit onderzoek aantoont dat deze wel een significantie laat zien met default en dat de verschillende categorieën ook significant van elkaar wijzigen. Omega kan deze sociaal- demografische variabele die vaak al bekend is bij de aanvraag van een creditcard meenemen in het risicoprofiel van een klant. Hierbij kan Omega klanten segmenteren en verschillende risicoprofielen definiëren. Leeftijd wordt door Omega in het huidige PD-model meegenomen met de veronderstelling: hou ouder hoe lager het risico. Het huidige onderzoek komt tot de conclusie dat hoe ouder iemand is, de kans om in default te raken groter wordt. Dit is een tegenovergesteld resultaat van hoe Omega deze variabele nu interpreteert en meeneemt in het PD-model. Door de uitkomst van het onderzoek is het verstandig voor Omega om deze uitkomst verder te analyseren op de gehele portefeuille. Een eventuele aanpassing is misschien aan te bevelen voor een toekomstig PD-model. De laatste gedrag specifieke variabelen overboekingen naar bank# en retail bedrag geven een significantie maar dragen niet heel veel bij aan het model. Hierbij is voor Omega een verdiepingsslag nodig om te concluderen of deze variabelen eventueel toegevoegd kunnen worden in een toekomstig PD-model. Geslacht wordt als laatste toegevoegd aan het forward regressie model. Deze variabele is niet significant maar laat wel een trendeffect zien met p = 0,099 (niet in tabelvorm). Deze variabele die bij de aanvraag van een creditcard wordt opgevraagd kan Omega verder analyseren om eventueel een risicoprofiel te geven aan de variabele geslacht. Ook mede doordat in andere onderzoeken geslacht wel als significant wordt bevonden is het verstandig voor Omega om deze variabelen te onderzoeken op de gehele portefeuille.

Bovenstaande variabelen geven een indicatie van de variabelen die een kredietinstelling kan gebruiken om een PD-model vast te stellen. Sommige variabelen voorspellen de kans op default accurater dan andere variabelen. Omega kan verder onderzoek doen of bepaalde variabelen niet andere gewichten kunnen krijgen in een PD-model. Bezettingsgraad en BKR- score voorspellen de kans op default accurater dan bijvoorbeeld geslacht. Voor Omega kan het van belang zijn om deze variabelen een extra gewicht te geven in het opstellen van het risicoprofiel van een klant.

Omega kan onderzoeken of er bij risicovolle klanten geen ander interest percentage gehanteerd kan worden, of dat Omega deze klanten anders/specifieker gaat benaderen. Bij klanten die in een hoger risicoprofiel zitten is het voor Omega verstandiger om deze klanten sneller te benaderen en eventueel ongevraagd financieel advies te geven. Dit kan eventuele default voorkomen waar allebei de partijen bij gebaat zijn. Daarbij refererend naar paragraaf 2.4.1 Marketing, dat je klanten kan gaan segmenteren. Tevens kan Omega discussiëren of ze een

model willen met veel gedrag specifieke variabelen, wat een model veel complexer maakt. Omega kan ook kiezen voor de belangrijkste variabelen die het grootste gedeelte van de variantie voorspellen met een eenvoudiger model. Dit is een afweging tussen eenvoudige en complexe modellen en de voor en nadelen hiervan. Dit valt niet in scope van het huidige onderzoek.