Undersøgelse:Dagligvareindkøbsvaner beviser kreditværdighed og hjælper dem uden kredithistorik

Nylige fremskridt inden for kunstig intelligens og maskinlæring, kombineret med udviklingen af ​​storskala datalagring, adgang og behandlingsteknologier, har vakt interesse blandt finansielle institutioner for nye datakilder til kreditvurdering.

Eksempler på disse nye kilder omfatter betalingshistorik for telefon-, forsynings- og streamingtjenester; transaktionsregistreringer fra check-, opsparings- og pengemarkedskonti; og huslejebetalingshistorik. Motivet er todelt – stræben efter profit, herunder oprettelse af nye konti og forbedring af social velfærd ved at udvide kreditadgangen til dem, der mangler traditionelle kreditvurderinger.

Ny forskning fra University of Notre Dame viser, at gentagne ture til købmanden kan være alt, hvad der er nødvendigt for at bevise kreditværdighed.

Papiret med titlen "Brug af købmandsdata til kreditbeslutninger" er på vej i Management Science fra Joonhyuk Yang, assisterende professor i marketing ved Notre Dames Mendoza College of Business, sammen med Jung Youn Lee fra Rice University og Eric T. Anderson fra Northwestern University. Et arbejdspapir er tilgængeligt i SSRN Electronic Journal .

Holdet samarbejdede med et multinationalt konglomerat, der opererer i flere kontantafhængige udviklingslande i Asien og Afrika. Datasponsoren ejer en kreditkortudsteder og en storstilet supermarkedskæde, som gjorde det muligt for forskerne at flette data fra de to domæner og observere adfærden hos 30.089 forbrugere.

De begyndte med at omdanne de rå data til et mere effektivt sæt input og fjernede signaler om kreditrisiko fra dagligvaredata.

"Vores tilgang var motiveret af vores samtale med lederen af ​​datasponsoren, som sagde:"For at arbejde med disse enorme datasæt har du brug for en strategi til at opsummere de vigtigste data i meningsfulde variabler. En naiv tilgang til simpelthen at smide alle Det er usandsynligt, at vores data på dette problem uden nogen struktur virker," sagde Yang.

"Denne bemærkning stemmer overens med en anden kommentar fra en leder i en af ​​de førende banker i USA, som vi talte med. Forvalteren nævnte, at den største hindring for at bruge storstilede, granulære forbrugerdata til at foretage lån ikke er mangel adgang til sådanne data, men snarere mangel på viden om, hvordan man udnytter dem effektivt."

Gentagne dagligvareindkøbsvaner peger på signaler om kreditrisiko.

Køb af cigaretter eller energidrikke er forbundet med en større sandsynlighed for manglende kreditkortbetalinger eller misligholdelse, mens køb af "gode" eller sunde dagligvarer, herunder frisk mælk eller eddikedressinger, er forbundet med konsekvent betaling af kreditkortregninger til tiden.

"Ved hjælp af en omfattende litteratur om vaner konstruerer vi variabler, der måler niveauet af konsistens, eller mangel på samme, i hvad og hvordan kunder køber," sagde Yang. "Dagvaredata egner sig særligt godt til at måle generelle forbrugeregenskaber, fordi dagligvarer er ikke-holdbare fornødenheder, så forbrugerne træffer hyppige og gentagne valg."

Hvad en person køber kan hjælpe med at forklare, hvilken type betaler de er, selv efter at have kontrolleret for forskellige sociodemografiske variabler og kreditscore.

"Ved at bruge undersøgelsesvurderinger på vareniveau finder vi suggestive beviser for, at køb af sundere, men mindre bekvemme fødevarer forudsiger ansvarlig betalingsadfærd," sagde Yang. "Vi ser også en positiv og robust sammenhæng mellem sammenhæng i forskellige dimensioner af dagligvareindkøb og rettidig betaling af kreditkortregninger."

Kortholdere, der konsekvent betaler deres regninger til tiden, er mere tilbøjelige til at handle på samme dag i ugen, bruge lignende beløb på tværs af måneder og købe de samme mærker og produktkategorier.

Gennem en simulering af hypotetisk kreditvurdering og beslutningsprocesser demonstrerer teamet, at dagligvaredata kan tilbyde informative signaler om kreditrisiko, hvilket fører til forbedrede kreditresultater for kreditværdige enkeltpersoner og øget rentabilitet for långivere.

For eksempel forbedrer inkorporering af dagligvaredata væsentligt den forudsigelige standardnøjagtighed for personer uden kreditscore, hvilket resulterer i en forbedring på mellem 3,11 og 7,66 procentpoint.

Undersøgelsen karakteriserer også forhold, hvorunder brugen af ​​dagligvaredata ikke tilføjer nogen trinvis værdi, hvilket kan kaste lys over, hvornår långivere kan blive tilskyndet til at indsamle, erhverve og udnytte alternative data.

"Specielt finder vi, at den trinvise fordel ved dagligvaredata aftager kraftigt, efterhånden som traditionelle kreditscore eller relationsspecifik kredithistorik bliver tilgængelig," sagde Yang. "Disse resultater fremhæver potentialet for finansielle institutioner til at bruge dagligvaredata til at give kredit til enkeltpersoner, der mangler traditionelle kreditvurderinger, mens de demonstrerer begrænsningerne ved denne nye datakilde."

Resultaterne har direkte ledelsesmæssige konsekvenser for långivere, da brug af dagligvaredata til kreditvurdering giver mulighed for at få adgang til et stort, uudnyttet marked. Långivere kan udvide deres kundebase og forbedre deres rentabilitet ved at give kredit til forbrugere, som i øjeblikket ikke er betjent eller underbetjent af det traditionelle kreditsystem.

Flere oplysninger: Jung Youn Lee et al., Købs- og betalingsvaner:Brug af købmandsdata til at forudsige kreditkortbetalinger, SSRN Electronic Journal (2021). DOI:10.2139/ssrn.3868547

Journaloplysninger: Management Science

Leveret af University of Notre Dame