Ένα από τα χαρακτηριστικά αυτής της εποχής είναι το γεγονός ότι οι πτωχεύσεις επιχειρήσεων καταλήγουν όλο και περισσότερο σε εκκαθάριση, παρά σε αναδιάρθρωση ή παραχώρηση της επιχείρησης. Επιπλέον, επηρεάζουν τόσο τους μεγάλους ομίλους που είναι εισηγμένοι στο χρηματιστήριο όσο και τις μικρομεσαίες επιχειρήσεις.

Για τα χρηματοπιστωτικά ιδρύματα, αυτή η εξέλιξη έχει ως αποτέλεσμα σημαντική αύξηση του πιστωτικού κινδύνου (βλ. Κ. Ζοπουνίδης, Χρ. Λεμονάκης, Διαχείριση Πιστωτικού Κινδύνου, Εκδ. Κλειδάριθμος, 2009). Ο κίνδυνος αφερεγγυότητας είναι συνεπώς ένας μεγάλος χρηματοοικονομικός κίνδυνος για τις επιχειρήσεις, όπως και ο συναλλαγματικός κίνδυνος που επιβαρύνει τις επιχειρήσεις που δραστηριοποιούνται στις εξαγωγές. Η προστασία έναντι των κινδύνων που συνδέονται με την αφερεγγυότητα του οφειλέτη έχει καταστεί επιτακτική ανάγκη για όλους τους δανειστές, είτε πρόκειται για χρηματοπιστωτικό ίδρυμα, βιομηχανική ή εμπορική επιχείρηση. Αυτή η γενίκευση πιστωτικού κινδύνου και πρακτικών απαιτεί καλή κατανόηση της πιστωτικής διαδικασίας, καθώς και γνώση των μοντέλων εκτίμησης πιστωτικού κινδύνου (βλ. Κ. Ζοπουνίδης, Δείκτες και πρόβλεψη της πτώχευσης των επιχειρήσεων, Πολυτεχνείο Κρήτης, 9/6/2020).

Στο άρθρο αυτό θα αναπτυχθούν οι νέες τάσεις διαχείρισης κινδύνων από τα χρηματοπιστωτικά ιδρύματα που σχετίζονται με την απάτη, εμπιστευτικότητα δεδομένων, εξατομικευμένη εμπειρία πελατών…

Μέθοδοι μέτρησης πιστωτικού κινδύνου

Οι βασικές μέθοδοι μέτρησης του πιστωτικού κινδύνου είναι οι ακόλουθες:

1. Η μέθοδος credit scoring για χρηματοδότηση ιδιωτών, επαγγελματιών και μικρών επιχειρήσεων. Η μέθοδος αυτή περιλαμβάνει πρόγραμμα αξιολόγησης μέσω υπολογιστικών συστημάτων το οποίο μετά την εισαγωγή στοιχείων από τον αξιολογητή βαθμολογεί και κατατάσσει τον δανειζόμενο σε κατηγορία πιστωτικού κινδύνου. Πλεονεκτήματα της μεθόδου είναι η ταχύτητα και η αντικειμενικότητα, υστερεί όμως στην ακριβή μέτρηση του πιστωτικού κινδύνου.

2. Η μέθοδος credit rating για τις χρηματοδοτήσεις μεγάλων επιχειρήσεων ή τοποθετήσεις σε τίτλους επιχειρήσεων. Η αξιολόγηση πραγματοποιείται από εξειδικευμένα στελέχη με βάση την εμπειρία, τη γνώση και τη συνεχή παρακολούθηση του πιστούχου για αυτό και εμπεριέχει υποκειμενική κρίση. Η μέθοδος καταλήγει σε ακριβέστερα αποτελέσματα και κατάταξη του δανειζόμενου σε κατηγορία πιστωτικού κινδύνου λαμβάνοντας υπόψη στοιχεία που δεν μπορούν να συμπεριληφθούν σε ένα αντικειμενικό σύστημα.

Τα κριτήρια πιστωτικού κινδύνου διακρίνονται σε:

– Ποσοτικά (χρηματοοικονομικές καταστάσεις επιχείρησης και φορέων).

– Ποιοτικά (ικανότητα φορέων, οργάνωση και διοίκηση, εμπειρία, τεχνολογία, ανταγωνισμός, κ.α.),

– Κριτήρια συναλλακτικής συμπεριφοράς (συνέπεια, φερεγγυότητα).

Νέες τάσεις

Η πανδημία Covid 19 έχει ωθήσει σχεδόν όλους τους κλάδους να προσαρμοστούν σε μια νέα πραγματικότητα και ο χρηματοπιστωτικός τομέας δεν έχει ξεφύγει. Οι συνήθειες κατανάλωσης έχουν αλλάξει δραματικά, πολλοί άνθρωποι εργάζονται από το σπίτι και οι ανάγκες των εργαζομένων και των πελατών έχουν διαφοροποιηθεί αρκετά. Η προσαρμοστικότητα είναι αναγκαιότητα. Εξειδικευμένοι οργανισμοί επισημαίνουν ότι στο μέλλον, οι χρηματοοικονομικές υπηρεσίες θα πρέπει να επικεντρωθούν περισσότερο στην ευελιξία και την αποτελεσματικότητα, να εξαλείψουν τις ιεραρχίες, να επιταχύνουν τη λήψη αποφάσεων, να κάνουν πιο υπεύθυνο το προσωπικό, να δημιουργήσουν ευέλικτα εργασιακά περιβάλλοντα. Όλα πρέπει να επανεξεταστούν: διατήρηση ταλέντων, εμπιστευτικότητα δεδομένων, κοινωνική ισότητα, εμπειρία πελατών και εργαζομένων κλπ.

Το 2021 θα είναι το έτος κατά το οποίο ο χρηματοπιστωτικός τομέας θα λάβει υπόψη του τον τρόπο με τον οποίο θα πραγματοποιηθούν αυτές οι αλλαγές, επηρεάζοντας τις επιχειρηματικές δραστηριότητες, τις διαδικασίες, τις νέες τεχνολογίες και, φυσικά, τους νέους κανονισμούς. Η επιτάχυνση του ψηφιακού μετασχηματισμού που προκαλείται από την πανδημία είναι τώρα μια ευκαιρία που πρέπει να αξιοποιηθεί.

1. Βελτίωση της διαχείρισης κινδύνων χρησιμοποιώντας αναδυόμενες τεχνολογίες

Μια από τις αλλαγές που αντιμετωπίζει ο χρηματοπιστωτικός κλάδος είναι η απαρχαιότητα των παραδοσιακών μοντέλων διαχείρισης κινδύνου, ειδικά αυτών του πιστωτικού κινδύνου. Η υγειονομική κρίση έχει ενθαρρύνει τα χρηματοπιστωτικά ιδρύματα να καινοτομήσουν και να αναπτύξουν νέα μοντέλα Artificial Intelligence (AI) και Machine Learning (ML), εκμεταλλευόμενα ανεπτυγμένα, εναλλακτικά και σε πραγματικό χρόνο δεδομένα, προκειμένου να συλλέξουν περισσότερες πληροφορίες για αυτό το ταχέως μεταβαλλόμενο περιβάλλον.

Επανεξετάζοντας τη διαχείριση πιστωτικού κινδύνου με εναλλακτικά δεδομένα και δεδομένα σε πραγματικό χρόνο και τεχνικές ΑΙ και ΜL, τα χρηματοπιστωτικά ιδρύματα έχουν τώρα μια πραγματική ευκαιρία να βελτιώσουν την αποτελεσματικότητα της διαχείρισης κινδύνου.

2. Η εμπειρία των πελατών γίνεται εξατομικευμένη και ψηφιακή πάνω από όλα

Η κρίση Covid 19 ανάγκασε τη χρήση ψηφιακών καναλιών όπως ποτέ άλλοτε. Ακολουθώντας μια ψηφιακοκεντρική προσέγγιση, πολλές τράπεζες έχουν εκμεταλλευτεί την ευκαιρία να προσαρμόσουν τα προϊόντα και τις υπηρεσίες τους στους πελάτες. Τώρα χρησιμοποιούν εξελιγμένα εργαλεία analytics και ΑΙ για να προσφέρουν μια πιο εξατομικευμένη, απλοποιημένη και πελατοκεντρική εμπειρία (βλ. Κ. Ζοπουνίδης, Τί είναι το financial analytics, Πολυτεχνείο Κρήτης, Σάββατο 27 Ιουνίου 2020).

3. Καταπολέμηση της απάτης με δεδομένα και ML

Η πρόληψη της απάτης είναι μια άλλη πρόκληση που ο χρηματοπιστωτικός τομέας θα μπορέσει να αντιμετωπίσει χάρη στην εκμετάλλευση δεδομένων σε πραγματικό χρόνο και ML. Καθώς οι ψηφιακές αλληλεπιδράσεις πολλαπλασιάζονται και εμφανίζονται νέες μέθοδοι πληρωμής, οι “κυβερνοεγκληματίες” προσαρμόζουν τις στρατηγικές τους. Η ΑΙ βοηθά στην αύξηση της αποτελεσματικότητας και της ακρίβειας των ερευνών οικονομικού εγκλήματος.

4. Κανονισμός και απόρρητο δεδομένων

Καθώς αυξάνεται η ροή των δεδομένων και η χρήση των data analytics, το ίδιο ισχύει και για τους κανονισμούς σχετικά με το απόρρητο και τα δικαιώματα των πελατών. Το απόρρητο των δεδομένων έχει καταστεί παγκόσμια προτεραιότητα. Ο σκοπός αυτών των κανονισμών είναι προφανώς η βελτίωση της προστασίας δεδομένων, αλλά σημαίνει ότι οι χρηματοπιστωτικοί οργανισμοί πρέπει να είναι σε θέση να αναγνωρίζουν και να διαχειρίζονται εύκολα ευαίσθητα δεδομένα και να πληρούν τις κανονιστικές απαιτήσεις σε σχέση με τη διαχείριση κινδύνων (πιστωτικός κίνδυνος). Αυτό μπορεί να γίνει αποτελεσματικά χρησιμοποιώντας μια πλατφόρμα για την ενοποίηση λειτουργιών, συμπεριλαμβανομένης της ταξινόμησης δεδομένων, της μοντελοποίησης και του ελέγχου.

Συμπερασματικά, ο χρηματοπιστωτικός τομέας έχει προωθηθεί στο ψηφιακό κόσμο όπου έχει πολλές ευκαιρίες για βελτίωση της αποτελεσματικότητας, καινοτομίας και ενίσχυσης της ανάπτυξης με σκοπό τη διαχείριση τραπεζικών κινδύνων (βλ. Κ. Κοσμίδου, Χρ. Λεμονάκης, Κ. Ζοπουνίδης, Σύγχρονες μέθοδοι διαχείρισης τραπεζικών κινδύνων, Εκδ. Broken Hill, 2020). Υιοθετώντας νέες τεχνολογίες και αξιοποιώντας τα δεδομένα και τα αναλυτικά στοιχεία, θα είναι δυνατή η μετατροπή της εμπειρίας των πελατών, η μείωση του πιστωτικού κινδύνου, η καταπολέμηση του οικονομικού εγκλήματος και η αύξηση της λειτουργικής αποτελεσματικότητας. Τέλος, η υιοθέτηση μιας νέας πιστωτικής κουλτούρας είναι αναγκαία με τη χρήση των νέων τάσεων στο χρηματοπιστωτικό χώρο (ποιότητα πιστοδοτήσεων, ισχυρό σύστημα αποτίμησης πιστωτικού κινδύνου, υιοθέτηση ενός κοινού λεξιλογίου χορηγήσεων, … ).

* Κωνσταντίνος Ζοπουνίδης, Καθηγητής, Ακαδημαϊκός, Βασιλική Ακαδημία Οικονομικών & Χρηματοοικονομικών, Βασιλική Ευρωπαϊκή Ακαδημία των Διδακτόρων, Επίτιμος Δρ. ΑΠΘ, Πολυτεχνείο Κρήτης & Audencia Business School, France

Ακολουθήστε τον ot.grστο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Δείτε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο, στον ot.gr

Latest News

Πρόσφατα Άρθρα Academia