Kort fortalt handler Rogelio Andrade Mancisidors forskning om en formel som han har utviklet ved hjelp av såkalte dype nevrale nettverk. Dette er er et system bygget av trenbare moduler og noder, som blir justert for å gi et riktig svar ved hjelp av bankkundenes data.
Formelen kan bli brukt av kommersielle banker for å vurdere kundenes og de potensielle låntakernes kredittverdighet.
Forskningen er en del av Mancisidors doktorgrad i maskinlæring og kunstig intelligens ved Machine Learning Group ved Institutt for fysikk og teknologi på UiT Norges arktiske universitet.
Beregner framtidig forbrukeratferd dersom lån blir innvilget
Gjennom sin forskning har Mincisidor utviklet modeller som både kan vurdere kredittverdighet og kan generere nye kunders data.
Alt datamateriale banken får inn kan utlede helt ukjente kunders kredittverdighet, inkludert tidligere avviste lånesøknader.
Mancisidors metode kan også avdekke viktige mønster i avviste lånesøknader fordi det ligger relevant informasjon i de opplysningene som potensielle låntakere selv har gitt banken.
– For eksempel, gitt at en potensielle låntaker er 35 år gammel og ikke har gjeld. Her kan modellene brukes slik at informasjonen for å estimere kredittverdighet og hva som blir forbrukeratferd, dersom lånet blir innvilget, forteller han.
Rogelio Andrade Mancisidor har tatt en doktorgrad ved UiT, men er nå på vei til en stilling ved Bedriftsøkonomisk institutt, BI i Oslo.(Foto: Privat)
Altså en framskriving av det som kan bli resultatet dersom kunden får lån innvilget.
Ved hjelp av Mancisidors formel får banker en effektiv måte å finne ut om kundene som skal låne penger vil være i stand til å betale tilbake lånene sine.
– Det er snakk om å regne ut en standard sannsynlighet ved å bruke dype nevrale nettverk på en ny måte og ut fra denne rangere lånesøknader opp mot kredittverdighet, forklarer Mincisidor.
Korreksjon og vurdering
Med resultatene fra denne doktorgraden kan kommersielle banker utvikle nye metoder for å beregne kredittverdighet og komme frem til en poengskala som skal være et bedre estimat enn tidligere metoder.
Altså kan bankene bruke data som er samlet inn til en kontinuerlig korrigering eller justering av en kundes kredittverdighet.
– Estimat av kredittverdighet kan også brukes av banker når de skal lage egne markedsføringskampanjer av låneprodukter. Derfor vil innsamlede data ha en stor verdi i den nye kredittvurderingsmetodikken, sier forskeren.
