Wie können psychometrische oder Verhaltenstests im Bankwesen zur Beurteilung der Kreditwürdigkeit eingesetzt werden?

Nicht wirklich mein Fachgebiet, aber ich finde das eine sehr interessante Frage und habe ein bisschen nach Antworten gegoogelt.

EFL (Entrepreneurial Finance Lab) ist ein gewinnorientiertes Unternehmen, das behauptet, der Marktführer im Bereich der psychometrischen Kreditbewertung zu sein. Das Unternehmen ist aus einem Forschungsprojekt des Center of International Development der Harvard University hervorgegangen. Die Methode von EFL wurde in einer Reihe von Medienberichten behandelt (z. B. hier und hier ).

Die Grundidee besteht darin, psychometrische Daten als Grundlage für die Entscheidung zu verwenden, ob Mikrofinanzierungsdarlehen an angehende Unternehmer in Entwicklungsländern vergeben werden sollen. In solchen Schwellenländern ist das traditionelle Kredit-Scoring der Industrienationen entweder nicht verfügbar oder weniger zuverlässig. Wenn es funktioniert, könnte die Psychometrie helfen, Kredite an Unternehmer zu vergeben, die weniger zahlungsunfähig sind, und so die Armut effizienter bekämpfen.

Da es sich um einen proprietären Test handelt, ist es schwierig, detaillierte Informationen über die Art der verwendeten Daten zu erhalten. Laut den Nachrichtenberichten und der Website des Unternehmens bewerten sie die Fluid Intelligence , bestimmte Einstellungen und Überzeugungen , die den unternehmerischen Erfolg vorhersagen (z. B. Locus of Control), konkrete Geschäftsfähigkeiten sowie Ethik und Ehrlichkeit . Ein Teil dieser Daten stützt sich auf Selbstberichtsfragen, andere scheinen mehr Verhaltensdaten zu verwenden (z. B. Leistung bei Geheimdienstaufgaben oder Risikospielen).

Um die Kreditwürdigkeit vorherzusagen, verwenden sie Bayes'sche hierarchische Modellierung. Soweit ich weiß, verwendeten sie zunächst Daten aus Metaanalysen von Prädiktoren für unternehmerischen Erfolg als Input (z. B. Rauch & Frese, 2007). Jetzt scheinen sie ihre eigenen Daten für die Modellbildung zu verwenden.

Eine Quelle für weitere Informationen darüber, wie dies funktioniert, kann ein Buch sein, das von den Gründern von EFL veröffentlicht wurde (Klinger, Khwaja & del Carpio, 2013). Zitieren aus einer Zusammenfassung von Kapitel 2 des Buches:

In Bezug auf die Persönlichkeitsmerkmale der Big 5 wird festgestellt, dass Extroversion stark mit höheren Gewinnniveaus zusammenhängt, mit schwächeren Beziehungen zu Verträglichkeit (positiv) und Gewissenhaftigkeit (negativ).

Interessanterweise hat Integrität eine schwache negative Beziehung zu Gewinnen: Die ehrlichsten Unternehmer sind nicht die ehrlichsten (sic). Umgekehrt schneiden die Unternehmer mit dem geringsten Risiko bei der Berücksichtigung des Ausfallrisikos auch tendenziell besser bei der Integritätsbewertung ab und verzeichnen ein höheres Maß an Gewissenhaftigkeit.

Die Ziffernspanne (Fluid Intelligence), die das Bildungsniveau steuert, steht in negativem Zusammenhang mit dem Gewinnniveau, aber nicht mit dem Ausfallrisiko.

Kombiniert haben diese Beziehungen zu Gewissenhaftigkeit, Ehrlichkeit und Bildungsniveau eine AUC (ein gängiges Maß für die Vorhersagekraft der Kreditwürdigkeit) von 0,57 – 0,66, was im Vergleich zu Kreditbewertungsmodellen in Ländern und Märkten mit hohem Informationsgehalt nicht außergewöhnlich stark ist Segmente, aber es reicht aus, um die Aufgabe der Risikoanalyse für Banken, die Kredite an KMU in Schwellenländern vergeben, erheblich aufzuwerten.

Wir zeigen, dass für eine der Beispielbanken das Ausfallrisiko für Kunden mit niedrigem Scoring um 50 % höher ist als für Kunden mit hohem Scoring. Darüber hinaus zeigen wir, dass diese Ergebnisse verbessert werden können, indem Modelle an jedes Land und jedes Finanzinstitut angepasst werden , was angesichts der kulturellen Unterschiede zwischen Peru, Kolumbien, Kenia und Südafrika nicht überraschend ist. Während traditionelle Methoden der Modellerstellung Schwierigkeiten haben, diese Anpassung ohne große Datenmengen durchzuführen, versprechen neue Methoden wie Bayes'sche Methoden eine noch weitere Verbesserung der Ergebnisse, ermöglichen eine Anpassung ohne Überanpassung und stärken die Argumente für die Verwendung psychometrischer Methoden Tools zur Kreditrisikoanalyse.

Eine offensichtliche Frage ist, ob diese Art der Bewertung von böswilligen Kreditnehmern und Kreditsachbearbeitern (die ihren Kunden sagen, wie sie ihrer Meinung nach antworten sollten, um den Kredit zu erhalten) gespielt werden kann. EFL sagt , dass sie verschiedene Maßnahmen ergreifen, um dies zu verhindern (z. B. Überprüfung, ob bestimmte Kreditsachbearbeiter bei ihren Kunden unwahrscheinliche Antwortmuster hervorrufen, Randomisierung von Antworten, Analyse von Fragen, auf die es keine offensichtliche „richtige“ Antwort gibt usw.).

Das Unternehmen behauptet, durch die Präsentation einer Reihe von Fallstudien sehr erfolgreich bei der Verbesserung der Qualität von Kreditentscheidungen zu sein. Angesichts der Tatsache, dass es sich um ein gewinnorientiertes Unternehmen handelt und alle Analysen hinter verschlossenen Türen stattfinden, ist es jedoch ratsam, diese Informationen mit Vorsicht zu genießen .

Verweise

Klinger, B., Khwaja, AI, & del Carpio, C. (2013). Unternehmerische Psychometrie und Armutsbekämpfung. SpringerBriefs in Psychology. New York, NY: Springer New York. Abgerufen von http://link.springer.com/10.1007/978-1-4614-7227-8

Rauch, A. & Frese, M. (2007). Lassen Sie uns die Person zurück in die Entrepreneurship-Forschung bringen: Eine Meta-Analyse über die Beziehung zwischen den Persönlichkeitsmerkmalen von Geschäftsinhabern, der Unternehmensgründung und dem Erfolg. Europäische Zeitschrift für Arbeits- und Organisationspsychologie, 16, 353–385. doi:10.1080/13594320701595438