Изкупуване на портфейли от необезпечени вземания: как данните се превръщат в оценка на портфейл.

На пръв поглед пакетът с данни изглежда обикновен: дълъг Excel списък с милиони записи. Всеки ред представлява просрочено вземане. За Малте Янцен тук започва анализът – анализ, който може да доведе до инвестиционно решение за милиони.

От 2025 г. той ръководи отдела Инвестиции в необезпечени вземания в EOS. Заедно с екип от анализатори, той оценява портфейли, предлагани от банки в Европа. Той има докторска степен по инвестиционни решения и опит в M&A и корпоративния сектор.

Анализираме пакета от вземания и разработваме бизнес план. На тази основа правим препоръка за покупната цена към Борда на EOS, който взема окончателното инвестиционно решение“, обяснява Малте. Всяка година EOS оценява между 500 и 600 портфейла от вземания в над 20 европейски държави.

Процесът обикновено започва, когато една банка обяви за продажба портфейл от необезпечени вземания. Експертите от съответното дружество на EOS се свързват с продавача и получават анонимизиран пакет от данни за извършване на процес по комплексна оценка. На тази основа съответното дружество на EOS в дадената държава изготвя детайлен анализ и оценка на портфейла.

Паралелно с това екипът на Малте разглежда портфейла от гледна точка на Групата: от колко време вземанията са в просрочие? Кога би настъпила погасителната давност? Какви действия са предприети до момента за събиране на вземанията? Контекстът на портфейла също има съществено значение: дали портфейлът произхожда от период на криза? Как изглежда клиентската структура на продавача? Всеки портфейл има своя собствена история. Постепенно, от множеството отделни данни, се изгражда цялостна картина. „В идеалния случай вече имаме опит с продавача. Това ни позволява да оценим още по-точно клиентската структура и качеството на вземанията.

Предвид огромния обем от данни, ръчният анализ на всяко отделно вземане би бил невъзможен. „Вместо това първо идентифицираме ключовите характеристики и групираме вземанията на тази основа.“, казва Малте. За целта се използват математически и статистически методи, както и модели за машинно обучение. На база на обширни исторически данни тези модели симулират как различни групи вземания е вероятно да се представят във времето.

В анализа се включват и допълнителни фактори, като промени в регулаторната среда или макроикономически тенденции. „С нашите модели можем да моделираме широк набор от различни сценарии. Това ни помага да идентифицираме кои фактори имат най-голямо влияние върху портфейла и на какво да обърнем внимание по-късно при управлението му.“

Въпреки това, дори и най-усъвършенстваните модели не могат да заменят експертното знание. Подобно на Малте, членовете на неговия екип имат дългогодишен опит в областта на кредитирането и анализа на данни. Те работят в тясно сътрудничество и с колегите от дружествата от различните държави. „Те разполагат със задълбочено познаване на местните пазари и могат да поставят много от тенденциите в контекст по-ефективно.“

Ако инвестиционното решение е положително, анализът не приключва дотук. Реалното представяне на портфейла се наблюдава непрекъснато и се сравнява с първоначалната прогноза. При отклонения от очакваните резултати се изследват причините за това. „Тези изводи се интегрират директно обратно в нашите аналитични инструменти, което ни позволява непрекъснато да усъвършенстваме и подобряваме процеса на оценка."