Αγορά μη εξασφαλισμένων απαιτήσεων: πώς τα δεδομένα γίνονται αποτίμηση χαρτοφυλακίου.

Με την πρώτη ματιά, το πακέτο δεδομένων φαίνεται απλό: μια μεγάλη λίστα Excel με εκατομμύρια εγγραφές. Κάθε γραμμή αντιστοιχεί σε μια εκκρεμή απαίτηση από οφειλέτη σε καθυστέρηση. Για τον Malte Janzen, εδώ ξεκινά η ανάλυση – μια ανάλυση που μπορεί να οδηγήσει σε επενδυτικές αποφάσεις αξίας εκατομμυρίων.

Από το 2025 είναι υπεύθυνος για τον τομέα Μη Εξασφαλισμένων Επενδύσεων της EOS. Μαζί με μια ομάδα αναλυτών πιστωτικού κινδύνου και δεδομένων, αξιολογεί χαρτοφυλάκια που προσφέρονται από τράπεζες σε όλη την Ευρώπη. Εκπόνησε τη διδακτορική του διατριβή πάνω στη λήψη επενδυτικών αποφάσεων και στη συνέχεια εργάστηκε σε συμβουλευτική εταιρεία συγχωνεύσεων και εξαγορών (M&A), ενώ αργότερα εντάχθηκε σε έναν εταιρικό όμιλο με έδρα το Αμβούργο, όπου συνέβαλε στη δημιουργία του Τομέα Έργων Υποδομών.

«Αναλύουμε το χαρτοφυλάκιο και αναπτύσσουμε ένα επιχειρηματικό πλάνο. Με βάση αυτό, υποβάλλουμε σύσταση προς το Διοικητικό Συμβούλιο της EOS σχετικά με την τιμή αγοράς, το οποίο στη συνέχεια λαμβάνει την τελική επενδυτική απόφαση, εξηγεί ο Malte. Η EOS αξιολογεί 500–600 χαρτοφυλάκια ετησίως σε περισσότερες από 20 χώρες.

Η διαδικασία ξεκινά όταν μια τράπεζα διαθέτει χαρτοφυλάκιο προς πώληση. Οι ειδικοί των εθνικών θυγατρικών της EOS επικοινωνούν με τον πωλητή και λαμβάνουν ένα ανωνυμοποιημένο πακέτο δεδομένων για τον έλεγχο δέουσας επιμέλειας (due diligence). Με βάση αυτό, η εταιρεία EOS στη συγκεκριμένη χώρα εκπονεί μια λεπτομερή ανάλυση και αποτίμηση του χαρτοφυλακίου.

Παράλληλα, η ομάδα του Malte εξετάζει το χαρτοφυλάκιο σε επίπεδο Ομίλου: Πόσο καιρό είναι σε καθυστέρηση η απαίτηση; Πότε παραγράφεται; Ποιες ενέργειες έχουν ήδη γίνει για την είσπραξή της; Σημαντικό ρόλο παίζει και το ευρύτερο πλαίσιο του χαρτοφυλακίου: Προέρχεται από περίοδο κρίσης; Ποια είναι η δομή του πελατολογίου του πωλητή; Κάθε χαρτοφυλάκιο έχει τη δική του ιστορία. Σταδιακά, από τα επιμέρους δεδομένα διαμορφώνεται μια ολοκληρωμένη εικόνα. «Ιδανικά, έχουμε ήδη εμπειρία με τον πωλητή, γεγονός που μας επιτρέπει να αξιολογούμε με μεγαλύτερη ακρίβεια τόσο τη δομή του πελατολογίου όσο και την ποιότητα των απαιτήσεων.»

Λόγω του τεράστιου όγκου δεδομένων, η χειροκίνητη ανάλυση κάθε απαίτησης θα ήταν αδύνατη.
«Αντί αυτού, ξεκινάμε με τον εντοπισμό βασικών χαρακτηριστικών και την ομαδοποίηση των απαιτήσεων», εξηγεί ο Malte. Χρησιμοποιούνται μαθηματικές και στατιστικές μέθοδοι, καθώς και μοντέλα μηχανικής μάθησης.

Με βάση εκτεταμένα ιστορικά δεδομένα, τα μοντέλα αυτά προσομοιώνουν την εξέλιξη διαφορετικών ομάδων απαιτήσεων στον χρόνο.

Στην ανάλυση ενσωματώνονται και πρόσθετοι παράγοντες, όπως αλλαγές στο κανονιστικό πλαίσιο ή μακροοικονομικές τάσεις. «Τα μοντέλα μας μάς επιτρέπουν να αποτυπώνουμε ένα ευρύ φάσμα σεναρίων. Αυτό μας βοηθά να εντοπίζουμε ποιοι παράγοντες έχουν τη μεγαλύτερη επίδραση στο χαρτοφυλάκιο και σε τι πρέπει να δώσουμε προσοχή στη μετέπειτα διαχείρισή του.»

Ωστόσο, ακόμη και τα πιο εξελιγμένα μοντέλα δεν μπορούν να αντικαταστήσουν την εμπειρία. Η ομάδα διαθέτει πολυετή εμπειρία και συνεργάζεται στενά με τοπικούς ειδικούς. «Γνωρίζουν σε βάθος τις αγορές και τοποθετούν σωστά τις τάσεις στο πλαίσιο.»

Εάν η επενδυτική απόφαση είναι θετική, η ανάλυση συνεχίζεται. Η απόδοση του χαρτοφυλακίου παρακολουθείται και συγκρίνεται με τις προβλέψεις. Οι αποκλίσεις αναλύονται και ενσωματώνονται στα μοντέλα. «Ενσωματώνουμε άμεσα αυτά τα δεδομένα στα εργαλεία μας, βελτιώνοντας συνεχώς τη διαδικασία αξιολόγησης.»