Einsatz Maschineller Lernverfahren zur Kreditüberwachung bei mittelständischen Firmenkunden

Zusammenfassung

Im Kreditgeschäft für Privatkunden wird eine automatische monatliche Überwachung von Kreditlinien auf Kontokorrentkonten seit einiger Zeit praktiziert. Im Firmenkundengeschäft gelten solche Instrumente hingegen immer noch als kaum praktikabel: mehrere Konten, oft sogar bei mehreren Banken, unsystematische, für die Bonität nicht relevante Schwankungen der Kontoführung und professionelles Cash-Management werden als Gründe gegen den Einsatz von Verhaltensscoringmodellen angeführt. Anhand der über mindestens 13 Monate monatlich erhobenen Daten der Konten von ca. 3600 mittelständischen Firmenkunden wurden Scoringmodelle, die eine bei einem Kunden erstmalig vorgenommene Einzelwertberichtigung ein Jahr vorher prognostizieren, entwickelt. Schwerpunkt der Modellentwicklung lag auf den Maschinellen Lernenverfahren Genetische Algorithmen, Neuronale Netze und Entscheidungsbaumverfahren. Als Benchmark wurden Modelle mit der Linearen Diskriminanzanalyse gebildet. Die Scoringmodelle wurden nicht nur bezüglich der Klassifikationsergbnisse auf der Stichprobe, sondern auch bezüglich der Interpretierbarkeit ihrer Wirkungsweise miteinander verglichen. Das Verständnis des Einflusses einzelner Kennzahlen auf die Beurteilung, ist ein wesentliches Kriterium für die Akzeptanz in der Praxis des Kreditgeschäfts.