Voordat een aankoop van vorderingen doorgaat, moeten koper en verkoper het eerst eens worden over een aankoopprijs. Om een zo eerlijk mogelijke aankoopprijs te bepalen, zet EOS menselijke expertise en moderne technologie in om de waarde van de vorderingenportefeuille vast te stellen.
- De waardering van vorderingenpakketten is een complex proces dat resulteert in een passende aankoopprijs.
- Experts bij EOS onderzoeken elk klein aspect van de portefeuille om het risico van de beoogde aankoop van vorderingen te bepalen.
- In dit proces wordt gebruikgemaakt van algoritmen en de expertise van getrainde analisten.
Als onderdeel van de risicomanagementfunctie onderzoekt het team Operationele aankoop van vorderingen samen met specialisten op het gebied van methoden en analyse jaarlijks ongeveer 600 vorderingenpakketten grondig. Aan het einde van dit complexe proces kan een aankoopprijs worden aanbevolen. “Dit soort portefeuilles kan tot wel een miljoen vorderingen bevatten. Daarom bekijken we ze in feite zoals we naar een school vissen zouden kijken. We moeten begrijpen wat de school beweegt en in welke richting hij zwemt, niet de richting van elke afzonderlijke vis,” zegt Matthias Schmidt, Hoofd Operationele aankoop van vorderingen bij EOS Group.
Hoe nauwkeuriger de beoordeling, hoe lager het financiële risico.
“Anders dan bij incasso op fiduciaire basis nemen we bij een aankoop van vorderingen een aanzienlijk risico. Want zodra de aankoop is afgerond, is het geld weg,” zegt Matthias. Zodat hij en zijn team vooraf een blik kunnen werpen op de portefeuille waarover wordt onderhandeld, verstrekt de verkoper een geanonimiseerd pakket ruwe gegevens in de vorm van een Excel-bestand. Elke regel in het bestand vertegenwoordigt een openstaande vordering en een wanbetalende betaler.
Hebben ze er met hun aanbevelingen ooit naast gezeten? “Ja, absoluut!” geeft Matthias toe. “Maar ons succespercentage is behoorlijk goed.” Matthias heeft eigenlijk een doctoraat in de natuurkunde. Na zijn afstuderen werkte hij aanvankelijk in de ontwikkeling van halfgeleidertechnologie, daarna als adviseur, vooral voor probleembanken. “En nu is het mijn taak om te ontdekken wat vorderingenportefeuilles beweegt,” zegt hij. Wat al zijn eerdere functies gemeen hebben, is de noodzaak om met complexe onderwerpen om te gaan. “Ik ben iemand die graag de achtergrond begrijpt,” zegt hij. Het is een essentiële eigenschap bij het beoordelen van portefeuilles. Want uiteindelijk gaat het om het nemen van een beslissing waar veel geld mee gemoeid is.
De ruwe gegevens vertellen het verhaal.
De verstrekte informatie kan aanzienlijk verschillen. “In het slechtste geval hebben we alleen het bedrag van de afzonderlijke vorderingen. Maar we krijgen ook gegevenssets met 50 tot 60 kolommen aan informatie, bijvoorbeeld over hoe lang de schuld al achterstallig is en wanneer deze zal verjaren, of waar de wanbetalende betaler woont. Hoe betrouwbaarder de informatie, hoe groter de kans dat een aankoopprijs wordt bepaald die een eerlijke afspiegeling is van de vordering en de portefeuille.
Want naast de kwantiteit speelt ook de kwaliteit van de gegevens een belangrijke rol: “In sommige landen krijgt u misschien zeven telefoonnummers voor elke vordering. U weet pas welk nummer, als er al een actueel nummer is, nog geldig is wanneer u ze allemaal hebt geprobeerd en geluk hebt gehad,” zegt Matthias. “Of u weet niet of de informatie nog actueel is. Dat hangt er uiteraard van af. Gegevens die tien jaar geleden bij het afsluiten van een lening zijn verstrekt, zijn mogelijk niet meer geldig.” Ook overschrijffouten vormen een probleem, bijvoorbeeld wanneer het eigendom van de vordering van eigenaar verandert, twee banken fuseren of systemen naar een nieuw systeem worden gemigreerd. Na beoordeling van de gegevens stellen Matthias en zijn team zichzelf twee vragen: wat weten we, en soms veel belangrijker, wat weten we niet?
“Om u echt bewust te worden van het verhaal, is het soms al genoeg om een grafische weergave van de gegeven parameters te maken. Ook hier, zoals zo vaak in het leven, kan het helpen om een tekening te maken,” zegt Matthias. “Daardoor wordt het gemakkelijker om eventuele afwijkingen op te merken.” Een andere factor is de context waarin de portefeuille wordt verkocht. Gaat het bijvoorbeeld om een portefeuille uit een crisisperiode? Wanneer is de laatste betaling daadwerkelijk gedaan, en wat betekenen de boekingsposten en datums? Wat is de geschiedenis van de verkoper en wat gebeurde er destijds op de markt? Welk percentage insolventies is ermee gemoeid? Zijn er nieuwe wetten die invloed hebben op de manier waarop we werken, en wat doet dit met de aard of het verhaal van de portefeuille dat we willen voortzetten?” Met elke vraag wordt het profiel van de schuldportefeuille gedetailleerder. Om nog dieper te graven, verdelen hij en zijn team de vorderingen vervolgens in kwalitatieve en kwantitatieve groepen: “Op dat moment krijgt de portefeuille iets menselijks. Want elke portefeuille vertelt zijn eigen verhaal en is volledig uniek,” voegt hij eraan toe.
Een algoritme zou nooit een gevoel voor het verhaal van de portefeuille kunnen ontwikkelen zoals een analist dat doet.
Ervaring uit het verleden helpt de prijs te bepalen.
Vervolgens zoeken de EOS-analisten naar empirische gegevens uit het verleden in de uitgebreide gegevenspool waarover het bedrijf beschikt. Voor de waardering stellen de analisten de volgende vragen: Welke vergelijkingsmaatstaf heeft een vergelijkbaar verhaal te vertellen, met andere woorden: heeft EOS al eerder een vergelijkbare portefeuille in dezelfde sector of regio gekocht? Hoe is de realisatie van de portefeuille in dat specifieke geval verlopen? De analisten gebruiken deze historische gegevens om gemiddelde vergelijkingswaarden te ontwikkelen waartegen nieuwe portefeuilles moeten worden afgezet, zij het tegen de achtergrond van de huidige en, veel belangrijker nog, toekomstige omstandigheden. Bij de beoordeling wordt ook meegewogen of zich in de tussentijd omwentelingen of veranderingen in de politieke omgeving hebben voorgedaan. “Incasso verandert voortdurend, dus daar moeten we uiteraard rekening mee houden en de prognose op basis van de vergelijkingsmaatstaf dienovereenkomstig aanpassen,” zegt Matthias.
In bijzondere gevallen valt het team terug op algoritmen, die worden gebruikt om complexe gegevens te verwerken. Een goed resultaat hangt echter niet alleen af van ruwe gegevens. Ook de menselijke factor speelt een belangrijke rol bij de beoordeling: “Een algoritme zou nooit een gevoel voor het verhaal van de portefeuille kunnen ontwikkelen zoals een analist dat doet,” zegt Matthias. Vanaf een bepaald punt hebt u ook intuïtie nodig, die gebaseerd is op ervaring.
Als u uw vorderingen wilt verkopen, aarzel dan niet om contact met ons op te nemen.
Telefoon: +49 40 2850 0
Ontdek meer van EOS
