Scoring-Modelle & Kreditlimitempfehlungen

Creditsafe arbeitet kontinuierlich an der Verbesserung der Bewertungsmodelle (Scorecards). Wir verbinden dabei statistische Scoring-Methoden mit unserem ständig wachsenden Datenbestand. Die erweiterte Datenbasis ermöglicht uns, bessere und genauere Bewertungen für eine größere Anzahl von Unternehmen anzugeben.

Das Konzept hinter dem Scoring-Ansatz von Creditsafe besteht darin, das Insolvenzrisiko eines Unternehmens in den nächsten 12 Monaten anhand einer Reihe von eindeutigen Merkmalen vorherzusagen. Die Bedeutung dieser ist für die Bonitätsbewertung unterschiedlich, weshalb sie anhand ihrer Relevanz gewichtet werden. Sowohl die Merkmale, als auch deren Einfluss auf den Score werden anhand moderner statistischer Methoden bestimmt.

Bonitätsrelevante Merkmale

Diese Faktoren fließen in den Score ein.

Finanzdaten

Insolvenzhistorie

Wirtschaftszweige

Geschäftsführung

Erfahrung, Wechsel, Insolvenzerfahrung, ...

Trends

Liquidität, Verschuldungsgrade, ...

Allgemeines

Alter, Veröffentlichungspflichten, Gruppenzugehörigkeiten, ...

Maßgeschneiderte Modelle

Vom kleinen Handwerksbetrieb bis hin zum stark verzweigten Großkonzern in der Pharmaindustrie: Die Datenbasis, aber auch die Gründe für Insolvenzrisiken unterscheiden sich je nach Firmentyp, Branche oder Größe eines Unternehmens. Um die Präzision und Stabilität unserer Modelle zu erhöhen, segmentiert Creditsafe sämtliche Unternehmen in Größe oder Firmentyp nach gesetzlichen Vorgaben, sowie Branchen nach statistischer Signifikanz.

Kleinstunternehmen

Kleine Unternehmen

Mittlere Unternehmen

Große Unternehmen

Start-Ups

Unternehmen ohne Finanzzahlen

Ausfallwahrscheinlichkeiten als Basis der Bonitätsbewertung

Unsere statistischen Regressionsmodelle prognostizieren die Wahrscheinlichkeit, dass ein Unternehmen innerhalb eines Zeitraums von 12 Monaten in die Insolvenz gerät. Diese Ausfallwahrscheinlichkeit wird in Prozent ausgedrückt und von Creditsafe in einen Score von 0 bis 100 skaliert. Daraufhin wird er in das klassische Schulnotensystem mit Zahlen zwischen 1,0 und 6,0 übersetzt und in übergeordnete Risikoklassen (A bis E) unterteilt. Die entsprechende Umrechnungstabelle für das neue Scoring steht Ihnen zum Download bereit.

Umrechnungstabelle anzeigen

Qualität der Scoring-Modelle

Präzision

Robustheit

Monatliche Modellüberwachung

Einen insolvenzgefährdeten Kunden nicht als solchen zu erkennen, kann zu hohen Forderungsausfällen führen. Jedoch bedeutet auch ein fälschlich abgelehnter Kunde ein entgangenes Geschäft und kostet somit Geld. Die Unterscheidung von "guten" und "schlechten" Unternehmen, sprich Unternehmen mit einer hohen Insolvenzwahrscheinlichkeit, sind die Quintessenz eines guten Scoring-Modells.

Die Prognosestärke von Scoring-Modellen wird oft in einer Zahl (Gini) beschrieben und liegt bei den neuen Creditsafe Scoring-Modellen bei bis zu 0,74. Die gewonnene Stärke unserer Modelle liegt nicht ausnahmslos in der substantiellen Verbesserung des Gini-Koeffizienten, sondern auch in der sogenannten Trennschärfe, der Genauigkeit zwischen „gut und schlecht“ zu unterscheiden.

Fast 50% aller zukünftigen Insolvenzen können bereits durch die gegenwärtige Betrachtung der 5% an Unternehmen mit der höchsten Ausfallwahrscheinlichkeit identifiziert werden. Bei 20% identifiziert das neue Modell-Set bereits beeindruckende 70%. So ermöglicht Creditsafe seinen Kunden eine wesentlich verbesserte Vorhersage von Insolvenzen und damit substantielle Verringerung von Zahlungsausfällen.

Um sicher zu stellen, dass unsere Scoring-Modelle nicht nur für den Zeitraum der Modell-Daten, sondern auch zu anderen Zeitpunkten genaue Ergebnisse liefern, wurde die „Out-of-Time-Validierung“ (OoT) über mehrere historische Zeiträume durchgeführt.

Um eventuelle saisonale Effekte ausschließen zu können, wurde die Oot zusätzlich zu unterschiedlichen Jahreszeiten durchgeführt.

Jedes Modell, sowie deren Modellinformation wird monatlich validiert, zum fortlaufend verlässliche Prognosen treffen zu können. Eine kontinuierliche Überwachung der Modelle ist dringend erforderlich, da sie die Marktbedingungen zu einem bestimmten Zeitpunkt widerspiegeln. Diese ändern sich in der Regel während der Lebensdauer eines Modelles und somit oft auch die Bedeutung der Einflussgrößen bzw. Modellvariablen.

Präzision

Einen insolvenzgefährdeten Kunden nicht als solchen zu erkennen, kann zu hohen Forderungsausfällen führen. Jedoch bedeutet auch ein fälschlich abgelehnter Kunde ein entgangenes Geschäft und kostet somit Geld. Die Unterscheidung von "guten" und "schlechten" Unternehmen, sprich Unternehmen mit einer hohen Insolvenzwahrscheinlichkeit, sind die Quintessenz eines guten Scoring-Modells.

Die Prognosestärke von Scoring-Modellen wird oft in einer Zahl (Gini) beschrieben und liegt bei den neuen Creditsafe Scoring-Modellen bei bis zu 0,74. Die gewonnene Stärke unserer Modelle liegt nicht ausnahmslos in der substantiellen Verbesserung des Gini-Koeffizienten, sondern auch in der sogenannten Trennschärfe, der Genauigkeit zwischen „gut und schlecht“ zu unterscheiden.

Fast 50% aller zukünftigen Insolvenzen können bereits durch die gegenwärtige Betrachtung der 5% an Unternehmen mit der höchsten Ausfallwahrscheinlichkeit identifiziert werden. Bei 20% identifiziert das neue Modell-Set bereits beeindruckende 70%. So ermöglicht Creditsafe seinen Kunden eine wesentlich verbesserte Vorhersage von Insolvenzen und damit substantielle Verringerung von Zahlungsausfällen.

Robustheit

Um sicher zu stellen, dass unsere Scoring-Modelle nicht nur für den Zeitraum der Modell-Daten, sondern auch zu anderen Zeitpunkten genaue Ergebnisse liefern, wurde die „Out-of-Time-Validierung“ (OoT) über mehrere historische Zeiträume durchgeführt.

Um eventuelle saisonale Effekte ausschließen zu können, wurde die Oot zusätzlich zu unterschiedlichen Jahreszeiten durchgeführt.

Monatliche Modellüberwachung

Jedes Modell, sowie deren Modellinformation wird monatlich validiert, zum fortlaufend verlässliche Prognosen treffen zu können. Eine kontinuierliche Überwachung der Modelle ist dringend erforderlich, da sie die Marktbedingungen zu einem bestimmten Zeitpunkt widerspiegeln. Diese ändern sich in der Regel während der Lebensdauer eines Modelles und somit oft auch die Bedeutung der Einflussgrößen bzw. Modellvariablen.

Kreditlimit

Neben unserer Scorecards, entwickeln wir ebenso den Algorithmus für die Berechnung des Kreditlimits stetig weiter. Um hier die Gegebenheiten des deutschen Marktes bestmöglich zu reflektieren, geschieht dies in enger Zusammenarbeit mit unseren Kunden. Die zentrale Rolle spielt hierbei die Symbiose aus Zahlungsfähigkeit und Ausfallrisiko.

Individuelle Scorecards

Klicken Sie unten, um eine Zusammenfassung der länderspezifischen Scorecards zu erhalten.

Nicht jedes Land ist gleich: Nicht nur die Datenverfügbarkeit, Bilanzierungsgrundsätze und gesamtwirtschaftliche Entwicklung kann stark variieren. Um stets präzise die Ausfallwahrscheinlichkeit vorherzusagen, werden unsere Scorecards individuell für jedes Land entwickelt. Während wir uns der Einführung einer Scorecard nähern, werden wir eine Zusammenfassung der entsprechenden Scorecards mit Details zur angewandten Segmentierung, Methodik und den Risikobändern veröffentlichen.

Wenn ein Dokument verfügbar ist, können Sie es herunterladen, indem Sie auf das PDF-Symbol mit der Länderflagge klicken.