- Az EOS elemzői egész Európában értékelnek fedezetlen követelésportfóliókat, ezzel megalapozva a befektetési döntéseket.
- Összetett modellek segítségével strukturálják a milliónyi adatot, csoportosítják a követeléseket és megbízható előrejelzéseket készítenek.
- Az adatok mellett fontos szerepet kap a piaci tapasztalat, a helyi szakértelem, valamint a portfóliók korábbi teljesítményének elemzése is.
Első ránézésre az adatcsomag akár jelentéktelennek is tűnhet: egy hosszú Excel-tábla milliónyi adattal. Minden sor egy késedelemben lévő adós fennálló követelését jelöli. Malte Janzen számára azonban itt kezdődik az elemzés – egy olyan folyamat, amely akár milliós nagyságrendű befektetési döntéseket is megalapozhat.
2025 óta az EOS Unsecured Investments részlegének vezetője, ahol hitel- és adatelemzőkből álló csapatával Európa-szerte bankok által kínált portfóliókat értékel.Szakmai fókusza a befektetési döntéshozatal: doktori fokozatát is ezen a területen szerezte, karrierjét pedig M&A tanácsadóként, majd egy hamburgi vállalatcsoportnál folytatta.
Modelljeink segítségével számos különböző forgatókönyvet tudunk leképezni, és azonosítani tudjuk azokat a tényezőket, amelyek a legnagyobb hatást gyakorolják a portfólió értékére.
A portfólió anatómiája
„Elemezzük a követeléscsomagot és üzleti tervet készítünk. Ennek alapján teszünk javaslatot a vételárra az EOS vezetősége felé” – magyarázza Malte. Az EOS évente 500–600 portfóliót értékel több mint 20 európai országban.
A folyamat akkor indul, amikor egy bank eladásra kínál egy portfóliót. Az EOS leányvállalatai anonimizált adatcsomagot kapnak, amely alapján részletes elemzést készítenek.
A portfólió kontextusa is kulcsfontosságú: mennyi ideje áll fenn a tartozás, milyen intézkedések történtek, és milyen az ügyfélstruktúra. „Ha ismerjük az eladót, pontosabban tudjuk megítélni a minőséget.” – hangsúlyozza a szakértő.
Az adatoktól az előrejelzésekig
A hatalmas adatmennyiség miatt minden egyes követelés manuális elemzése lehetetlen lenne.
„Ehelyett a kulcsjellemzők azonosításával kezdjük, majd ezek alapján csoportosítjuk a követeléseket” – mondja Malte. A folyamat során matematikai és statisztikai módszereket, valamint gépi tanulási modelleket használunk.
Kiterjedt historikus adatok alapján modelljeink szimulálják, hogyan alakulhatnak az egyes követeléscsoportok az idő előrehaladtával.
Az elemzés során további tényezőket is figyelembe veszünk, például a szabályozási környezet változásait vagy a makrogazdasági trendeket. „Modelljeinkkel számos különböző forgatókönyvet tudunk leképezni. Ez segít azonosítani azokat a tényezőket, amelyek a legnagyobb hatással vannak a portfólióra, és amelyekre a későbbi feldolgozás során különösen figyelni kell.”
Ugyanakkor a legkorszerűbb modellek sem helyettesíthetik a szakértői tudást. Malte csapatának tagjai sokéves tapasztalattal rendelkeznek a hitel- és adatelemzés terén, és szorosan együttműködnek a nemzeti leányvállalatok kollégáival is. „Ők mélyreható ismeretekkel rendelkeznek a helyi piacokról, és segítenek a trendeket megfelelő kontextusba helyezni” – teszi hozzá.
Ha a befektetési döntés pozitív, az elemzés nem ér véget. A portfólió tényleges teljesítményét folyamatosan nyomon követjük és összevetjük az eredeti előrejelzéssel. Amennyiben eltérések mutatkoznak, azok okait is feltárjuk.
„Ezeket a felismeréseket közvetlenül visszacsatoljuk analitikai eszközeinkbe, így folyamatosan finomítjuk és fejlesztjük az értékelési folyamatot.”
Vegye fel velünk a kapcsolatot, ha többet szeretne megtudni a követelések értékesítéséről és értékeléséről.
Carina Bonde
Corporate Communications & Marketing
Telefon: + 49 173 2979331
Fedezzen fel többet az EOS-tól
