Nástroj Third Party Credit Risk pro upozornění na úvěrové riziko třetích stran

Znát své dodavatele a identifikovat jejich klíčové zboží a služby je prvním krokem k úspěšné strategii minimalizace rizika. Tento koncept v Deloitte nazýváme jako Third-party Credit Risk (TPCR). 

Hlavní doménou TPCR je včasné zachycení rizikových signálů, že se společnost (třetí strana) dostala do potíží, a to z hlediska mnoha faktorů. Náš přístup sleduje příznaky problémů ve finanční a provozní oblasti prostřednictvím různých klíčových ukazatelů výkonnosti (KPI), čímž zvyšuje šance na úspěšnou a včasnou identifikaci rizik. 

Tyto příznaky jsou navíc doplněny o automatizované vyhledávání článků v mediích týkajících se třetích stran spolu s identifikací jejich sentimentu. Pomocí naší NLP technologie AOsint dokážeme identifikovat relevantní články (prověřujeme více než 17 jazyků a více než 4 miliony článků denně), zaznamenáváme je a přiřazujeme jim konkrétní skóre podle jejich vyznění. Díky tomu pak mohou naši klienti dostávat upozornění o svých třetích stranách pomocí interaktivního nástroje pro monitoring TPCR. 

Přístup TPCR v kostce

1. DATA & PARAMETRY

Sběr dat a kombinace různých datových zdrojů (jako Dun & Bradstreet, open-source data týkající se negativních článků v médiích atd.) s cílem získat co možná nejvíce informací o každé společnosti;

• Shromáždili jsme informace o datech finančního a provozního charakteru a společně se společností jsme stanovili sadu KPI, které mají být sledovány. Ty zahrnují:
  • Téměř 20 finančních KPI – např. poměr úrokového krytí (Interest coverage ratio – ICR), poměr mezi dluhem a vlastním kapitálem (Gearing ratio), míra zadluženosti (Debt ratio), EBITDA atd.;
  • Téměř 10 provozních KPI – např. poměr OPEX, pohotová likvidita (Quick ratio), běžná likvidita (Current ratio), atd.
• Navíc jsme monitorovali zpravodajství naším open-source nástrojem AOsint (Deloitte aktivum – více informací naleznete zde), abychom dohledali dostatečný počet článků o každé společnosti spolu s rizikovým skóre článků v rámci různých rizikových kategorií a informacemi o jejich vyznění. 

2. MODELY STROJOVÉHO UČENÍ (MACHINE LEARNING MODELY)

Dva modely strojového učení pro finanční hodnocení a hodnocení článků v mediích s cílem porozumět spojitostem a zjistit, jaká je pravděpodobnost, že vybraná společnost má potíže nebo se do potíží může dostat dle výsledků prediktivního modelu. 

Na základě stanovených parametrů (přizpůsobených na míru zákazníkovi a jeho požadavkům) je logika pro každý model strojového učení definována zvlášť:

• Do finančního modelu bylo zahrnuto téměř 30 KPI za posledních 6 let. Byly použity pro proces učení se zvyšujícím se gradientem (XG Boost) a v dalších krocích byly navrženy stromové modely (Tree models) pro rozhodovací proces s konečným výsledkem 0-1 (vyšší skóre modelu předpovídá, že se společnost dostane do potíží nebo je již má); 
• Pro model pro scraping článků na internetu jsme použili open-source zpravodajský nástroj AOsint (více informací naleznete zde) a výsledek v rozmezí 0-1 znamená negativní abnormalitu v médiích (čím vyšší skóre, tím více na pozoru by měl uživatel být, protože články naznačují, že ve společnosti dochází k jevům, které ji mohou dostat do potíží).

3. ALERTY POMOCÍ MONITOROVACÍ NÁSTROJE TPCR 

Výsledky z obou modelů strojového učení mají formu alertů, jež klientovi umožňují jednoduše zjistit, které třetí strany se nacházejí ve „špatném“ rozmezí. Toto rozmezí značí, že konkrétní třetí strana (vendor) má potíže nebo se do nich v nadcházejícím období dostane. 

Poté se klient může zaměřit na podrobnosti o každém vendorovi – od finančního hlediska až po hledisko negativních článků v médiích

Výhody TPCR pro naše klienty:

• Nejen včasné signály o problémech třetích stran, ale také předpovědi, zda by se prodejce mohl v příštím období dostat do potíží; 
• Plně automatizovaná technologie Natural Language Processing (NLP) S minimem manuálních vstupů 
  • Model pro web scraping článků na internetu (na základě AOsint) monitoruje zprávy ve více než 17 jazycích a je schopen prověřit až 4 miliony článků denně;
• Naši klienti získají monitorovací nástroj pro trasování všech požadovaných společností a mohou velmi rychle najít ty, které se dostaly do potíží (na základě upozornění ze strojového učení → finance a zpravodajství)
  • Kompatibilní s nejrůznějšími BI nástroji jako např. Tableau, MS Power BI, atd.;
• Po úvodní kontrole jsou dostupné další podrobnosti o různých finančních a provozních KPI spolu se všemi články;
• Funkce exportu nástroje pro monitoring TPCR – prvotní data, která byla zpracována oběma modely strojového učení a poskytují dodatečné AI poznatky, mohou být prodána dalším zákazníkům v rámci podpory monetizace dat.