- Az EOS elemzői egész Európában értékelnek nem fedezett követelésportfóliókat, megalapozva a befektetési döntéseket.
- Összetett modellek strukturálják a milliónyi adatot, csoportosítják a követeléseket és megbízható előrejelzéseket készítenek.
- Az adatok mellett fontos szerepet játszik a piaci tapasztalat, a helyi szakértelem és a portfólió múltbeli teljesítménye.
Első pillantásra az adatcsomag jelentéktelennek tűnik: egy hosszú Excel-lista milliónyi adattal. Minden sor egy késedelemben lévő adós fennálló követelését jelenti. Malte Janzen számára itt kezdődik az elemzés – egy olyan elemzés, amely akár milliós befektetési döntésekhez vezethet.
2025 óta az EOS Unsecured Investments részlegének vezetője. Hitel- és adatelemzőkből álló csapatával Európa-szerte bankok által kínált portfóliókat értékel. Szakértelme a befektetések területén van: doktori fokozatot szerzett a befektetési döntéshozatal témájában, majd M&A tanácsadásban és egy hamburgi vállalatcsoportnál dolgozott.
Modelleink segítségével számos különböző forgatókönyvet tudunk leképezni, és azonosítani tudjuk azokat a tényezőket, amelyek a legnagyobb hatással vannak a portfólióra.
A portfólió anatómiája
„Elemezzük a követeléscsomagot és üzleti tervet készítünk. Ennek alapján javaslatot teszünk a vételárra az EOS vezetősége számára” – magyarázza Malte. Az EOS évente 500–600 portfóliót értékel több mint 20 európai országban.
A folyamat akkor kezdődik, amikor egy bank eladásra kínál egy portfóliót. Az EOS leányvállalatai anonimizált adatcsomagot kapnak, amely alapján részletes elemzést készítenek.
A portfólió kontextusa is fontos: mennyi ideje áll fenn a tartozás, milyen intézkedések történtek, milyen az ügyfélstruktúra. „Ha ismerjük az eladót, pontosabban tudjuk megítélni a minőséget.”
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. Ehhez matematikai és statisztikai módszereket, valamint gépi tanulási modelleket használunk.
Kiterjedt historikus adatok alapján ezek a modellek szimulálják, hogy az egyes követeléscsoportok hogyan fognak várhatóan alakulni az idő során.
Az elemzés során további tényezőket is figyelembe veszünk, például a szabályozási környezet változásait vagy a makrogazdasági trendeket. „Modelleinkkel számos különböző forgatókönyvet tudunk leképezni. Ez segít azonosítani azokat a tényezőket, amelyek a legnagyobb hatással vannak a portfólióra, és amelyekre a későbbi feldolgozás során figyelni kell.”
Ugyanakkor a legkorszerűbb modellek sem helyettesíthetik a szakértői tudást. Malte csapatának tagjai sokéves tapasztalattal rendelkeznek a hitel- és adatelemzés terén. Szorosan együttműködnek a nemzeti leányvállalatok kollégáival is. „Ők mélyreható ismeretekkel rendelkeznek a helyi piacokról, és jobban tudják kontextusba helyezni a trendeket.”
Ha a befektetési döntés pozitív, az elemzés nem ér véget. A portfólió tényleges teljesítményét folyamatosan nyomon követjük és összevetjük az eredeti előrejelzéssel. Ha eltérések mutatkoznak, elemezzük azok okait.
„Ezeket a felismeréseket közvetlenül visszacsatoljuk analitikai eszközeinkbe, így folyamatosan finomítjuk és javítjuk 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
