Wo Standardpraxis ungenau wird und was wir anders rechnen
Die folgenden vier Punkte sind keine Erfindungen. Sie stehen seit Jahrzehnten in der statistischen Literatur und finden sich selten in einem Risikomodell wieder. Das ist unser Ansatzpunkt: nicht neue Verfahren, sondern die konsequente Anwendung bekannter.
Unsicherheit statt einzelner Zahlen
Gini, WOE je Bin und PD sind Schätzungen mit Streuung. Wir weisen diese Streuung aus.
Ein Gini von 0,62 mit einem Band von ±0,05 ist eine andere Aussage als ein Gini von 0,62. Der Unterschied entscheidet, ob ein Rückgang gegenüber dem Vorjahr eine echte Verschlechterung ist oder Stichprobenrauschen. Und damit, ob eine Nachkalibrierung nötig ist oder Aufwand ohne Anlass.
Dasselbe gilt für Schwellenwerte. Der PSI wird üblicherweise gegen 0,1 und 0,25 geprüft. Diese Grenzen sind Faustregeln ohne Verteilungstheorie, denn sie hängen von Stichprobengröße und Bin-Anzahl ab. Wir rechnen die Verteilung der Kennzahl unter Ihren Daten und leiten die Schwelle daraus ab.
Verschlechterung mit Adresse
Der Gini ist ein Mittelwert über Beobachtungspaare und lässt sich exakt auf einzelne Ausfälle herunterbrechen. Statistisch seit Langem bekannt, im Kreditrisiko-Monitoring praktisch nie eingesetzt.
Wir werten das systematisch aus. Sie sehen, welche Kohorte, welches Produkt und welcher Vertriebsweg die Verschlechterung tragen, und ob der Unterschied zwischen zwei Segmenten größer ist als die Streuung.
Dieselbe Auswertung führen wir für die Beiträge einzelner Merkmale über die Zeit, denn: der Gini kann stabil bleiben, während sich zwei Effekte im Inneren gegenläufig verschieben.
Der praktische Unterschied: Statt eines Modells, das insgesamt nachgegeben hat und neu entwickelt werden muss, haben Sie ein Segment oder ein Merkmal, das nachgegeben hat und gezielt korrigiert werden kann.
Binning, das sich nicht selbst bestätigt
Klassisches WOE-Binning wird auf denselben Daten optimiert, auf denen anschließend geschätzt wird. Die Trennschärfe in der Entwicklung ist dadurch systematisch zu optimistisch, und die Enttäuschung kommt in der Validierung.
Die Diskretisierung stetiger Merkmale erfolgt bei uns automatisiert unter frei wählbaren Formrestriktionen, etwa monotoner oder konvexer Risikoverlauf. Merkmale mit nicht monotonem Verlauf, im Kreditrisiko häufig Alter, Kredithöhe oder Laufzeit, lassen sich damit fachlich korrekt abbilden, statt sie in eine erzwungene Monotonie zu pressen oder das Binning von Hand zu setzen.
Kriterium ist Stabilität über Zeitfenster, nicht Trennschärfe allein.
Segmente, die sich rechnen
Scorekarten wachsen entlang von Produkten und Vertriebswegen, nicht entlang der Datenlage. Ob ein Segment eine eigene Karte rechtfertigt, wird selten geprüft.
Wir prüfen es nicht über einen Signifikanztest, denn bei ausreichender Fallzahl wird jeder Unterschied signifikant. Maßstab ist die Entscheidungsrelevanz: Wie stark unterscheiden sich die Scorefunktionen auf denselben Antragstellern, und wie viele davon bewegt die Trennung über die Bewilligungsgrenze?
Ergebnis ist ein Vorschlag, welche Scorekarten zusammengeführt werden können, jeweils mit der Auswirkung auf den erwarteten Verlust. Jede eingesparte Scorekarte entlastet dauerhaft Validierung, Monitoring und Dokumentation.
Dokumentiert, während entschieden wird
Modelldokumentation entsteht üblicherweise im Nachhinein, oft von jemand anderem als dem Modellierer. Entscheidungen werden dann rekonstruiert statt festgehalten, und die Frage, warum eine Variable aufgenommen und eine andere verworfen wurde, ist Monate später nicht mehr belastbar zu beantworten.
In unserer Software entsteht die Dokumentation parallel zur Entwicklung. Protokolliert werden Entscheidungen und ihre Wirkung: welche Variable aufgenommen, welche Klassen zusammengelegt, auf wessen Veranlassung, und was es auf zurückgehaltenen Daten bewirkt hat. Die fachliche Begründung schreibt weiterhin ein Mensch. Das Werkzeug stellt sicher, dass nichts vergessen und nichts nachträglich erfunden wird.