Bonita a kreditné skóre

Čo je bonita a kreditné skóre

Bonita vyjadruje schopnosť a ochotu dlžníka splácať svoje záväzky v súlade s dohodnutými podmienkami. Je výsledkom komplexného posúdenia príjmov, výdavkov, záväzkov, stability a rizikového profilu žiadateľa. Kreditné skóre je kvantitatívny ukazovateľ (typicky bodové hodnotenie), ktorý sumarizuje veriteľom odhadované riziko nesplatenia do jednej číselnej veličiny. Skóre sa používa pri schvaľovaní, stanovení úverových limitov, marží a pri riadení portfólia.

Kľúčové pojmy a metriky úverového rizika

• PD (Probability of Default): pravdepodobnosť, že dlžník v horizonte (napr. 12 mesiacov) nesplní záväzky.
• LGD (Loss Given Default): očakávaná strata pri defaulte po zohľadnení zabezpečenia a vymožiteľnosti.
• EAD (Exposure at Default): expozícia v okamihu defaultu (istina + akruované úroky, čerpaná časť rámca).
• ECL (Expected Credit Loss): očakávaná kreditná strata = PD × LGD × EAD; používa sa v účtovnom výkazníctve a oceňovaní rizika.

Vstupy hodnotenia bonity: dáta a zdroje

• Identifikačné a demografické údaje: vek, rodinný stav, počet závislých osôb, bydlisko, dĺžka pobytu.
• Príjmy a ich stabilita: zamestnanie (typ zmluvy, seniorita), podnikateľský príjem (história, sezónnosť), iné príjmy.
• Výdavky a záväzky: splátky existujúcich úverov, leasingov, nájom, pravidelné platby, životné náklady.
• Úverová história: platobná disciplína, delikvencie, počet a vek účtov, využitie limitov, reštrukturalizácie.
• Externé registre a úverové kancelárie: negatívne/pozitívne registre, dopyty, bankrotové a exekučné záznamy.
• Účel a zabezpečenie úveru: LTV pri hypotéke, kvalita kolaterálu, zmluvné kovenanty.
• Transakčné dáta: bankové výpisy, cash-flow, správanie na účte (výkyvy, chargebacky), open banking agregáty.

Ukazovatele platobnej schopnosti a zadlženosti

• DTI (Debt-to-Income): DTI = mesačné splátky dlhov / čistý mesačný príjem.
• DSTI (Debt Service-to-Income): rozšírený DTI o budúcu splátku posudzovaného úveru pri stresovej sadzbe.
• LTV (Loan-to-Value): LTV = výška úveru / hodnota zabezpečenia (pri zabezpečených úveroch).
• Využitie limitu (utilization): čerpanie / disponibilný rámec pri revolvingoch; vyššie využitie signalizuje napäté cash-flow.
• Zostatková likvidita: disponibilný príjem po zaplatení všetkých záväzkov a životných nákladov.

Konštrukcia kreditného skóre: metódy a modely

• Skórekarty (scorecards): tradične logistická regresia s kategorizovanými premennými, Weight of Evidence (WoE) transformáciou a Information Value (IV) pre výber čŕt. Výhodou je interpretovateľnosť.
• Strojové učenie: gradient boosting, náhodné lesy, neurónové siete; vyššia predikčná sila, nutnosť explainability (SHAP, LIME) a robustnej validácie.
• Hybridné prístupy: ML pre predvýber čŕt a nelinearity, finálna skórekarta pre interpretáciu a governance.
• Kalibrácia: mapovanie skóre na PD pomocou Platt scaling alebo isotonic regression, následná rekalibrácia na portfóliovú základňu.

Kvalita modelu: diskriminačná sila a stabilita

• AUC/Gini: plocha pod ROC (AUC) a Gini = 2×AUC − 1; merajú separačnú schopnosť medzi dobrými a zlými.
• KS štatistika: maximálny rozdiel medzi kumulatívami „good“ a „bad“ populácie.
• Population Stability Index (PSI): citlivosť na zmeny populácie v čase; varovanie pred driftom.
• Backtesting a out-of-time validácia: testovanie na dátach mimo trénovacieho obdobia a segmentov.

Príklady typických čŕt vo spotrebiteľskom skóre

Rozdiely medzi spotrebiteľským a firemným (SME/corporate) hodnotením

• Spotrebiteľ: zameranie na správanie a register; jednoduchšie cash-flow, menšie objemy, viac automatizácie.
• SME: finančné výkazy (EBITDA, pokrytie úrokov), sektorové riziká, kvalita riadenia, dodávateľsko-odberateľské koncentrácie.
• Corporate: detailné finančné modely, scenáre, kovenanty, kolaterály, ratingové metodiky podobné agentúram.

Schvaľovací proces a rozhodovacia stratégia

1. Predspracovanie: verifikácia identity (KYC), príjmov, zamestnania a zdrojov dát.
2. Skórovanie a PD odhad: aplikácia skórekarty/ML modelu, PD mapping.
3. Pravidlá a výnimky: cut-off skóre, tvrdé pravidlá (napr. aktívna exekúcia), manuálne výnimky s odôvodnením.
4. Cena a limit: risk-based pricing, stanovenie úverového limitu a splatnosti podľa rizika a zabezpečenia.
5. Dokumentácia a podpis: zmluvy, kovenanty, informovanie o rozhodnutí a dôvodoch (adverse action notice).

Fairness, etika a regulácia

• GDPR a minimalizácia dát: spracúvanie len nevyhnutných údajov, jasný účel, súhlas pri nadštandardných zdrojoch.
• Nediskriminácia: eliminácia priamej a nepriamej diskriminácie (pohlavie, rasa, vek); testy fair lending a bias audit.
• Transparentnosť a vysvetliteľnosť: zrozumiteľné dôvody zamietnutia, vysvetlenie kľúčových faktorov skorého varovania aj pre ML modely (napr. SHAP top faktory).

Makroekonomika, cykly a stresové testy

• Point-in-time vs. Through-the-cycle PD: cyklické vs. vyhladené odhady; použitie podľa účelu (schvaľovanie vs. kapitál).
• Stresovanie: scenáre rastu sadzieb, nezamestnanosti, inflácie a poklesu cien aktív; dopad na PD, LGD a kapitál.
• Včasné varovanie: správanie účtov (zvýšené čerpania, klesajúce zostatky, mikro-delikvencie), watch list.

Riadenie modelov (model risk management) a governance

• Životný cyklus modelu: vývoj → nezávislá validácia → schválenie → monitorovanie → rekalibrácia → odsun.
• Dokumentácia: dátové zdroje, predspracovanie, výber čŕt, metodika, limity použitia, známe slabiny.
• Monitorovanie: champion–challenger, drift čŕt, stabilita koeficientov, výkonové metriky a alerty.
• Bezpečnosť a audit: záznamy o verziách, kontrola prístupov, reproducibilita výsledkov.

Typické chyby a skreslenia pri hodnotení bonity

• Sample bias a reject inference: model trénovaný len na schválených žiadateľoch; potreba imputácie informácie o zamietnutých.
• Data leakage: použitie informácií nedostupných v čase rozhodovania; vedie k nerealistickému výkonom.
• Overfitting: nadmerná komplexnosť modelu bez generalizácie; kontrola cez out-of-time testy.
• Proxy diskriminácia: neúmyselné využitie premenných korelovaných s chránenými atribútmi.

Využitie skóre v životnom cykle klienta

• Originácia: schvaľovanie, limitovanie, pricing.
• Behaviorálne skóre: pravidelné prehodnocovanie hraníc, proaktívne ponuky zvýšenia/zníženia rámca.
• Collection skóre: segmentácia dlžníkov v omeškaní (self-cure vs. vysoké riziko), voľba stratégie vymáhania.
• Retencia a cross-sell: pravdepodobnosť predčasného splatenia, pravdepodobnosť reakcie na ponuku.

Príklad rozhodovacej matice (zjednodušený)

Metodika výpočtu affordability (dostupnosť úveru)

1. Stanoviť stabilný čistý príjem (očistený o volatilné zložky).
2. Vypočítať nevyhnutné výdavky (bývanie, energie, minimum na živobytie podľa veľkosti domácnosti).
3. Pridať existujúce splátky a budúcu splátku posudzovaného úveru pri stresovej sadzbe.
4. Overiť DSTI a minimálnu zostatkovú likviditu (napr. ≥ 15–20 % príjmu).

Implementácia v praxi: dátové a technologické požiadavky

• Dátový sklad a kvalita dát: jednotná identita klienta, deduplikácia, verzovanie atribútov, kontrolné sumy.
• API a real-time rozhodovanie: prepojenie s registrami, open banking poskytovateľmi, internými službami v milisekundových SLA.
• MLOps a monitorovanie: pipeline pre tréning, deployment, kontinuálne sledovanie driftu a výkonu.

Komunikácia s klientom a finančná edukácia

• Adverse action notice: jasné uvedenie kľúčových dôvodov zamietnutia a možností nápravy (zniženie využitia limitov, konsolidácia, stabilizácia príjmu).
• Finančná gramotnosť: odporúčania na zlepšenie skóre (včasné platby, dlhodobé udržanie účtov, nízke využitie revolvingov, obmedzenie simultánnych dopytov).

Kontrolný zoznam pre robustné hodnotenie bonity

• Overené a aktuálne príjmy (viac zdrojov, krížová verifikácia).
• Kompletný register záväzkov a história delikvencií.
• Správne vypočítané DTI/DSTI, stress rate a zostatková likvidita.
• Vhodný model PD s preukázanou diskrimináciou (AUC/Gini) a stabilitou (PSI).
• Transparentné rozhodovacie pravidlá, cut-off a eskalačný proces výnimiek.
• Dokumentované fairness testy a vysvetliteľnosť výstupov pre klienta.

Bonita a skóre ako pilier zodpovedného úverovania

Kvalitné posúdenie bonity a správne kalibrované kreditné skóre umožňujú veriteľom vyvážiť obchodné ciele s kontrolou rizika a klientom poskytujú primerané, udržateľné financovanie. Kľúčom je spojiť relevantné dáta, disciplinovaný modelový rámec, transparentné rozhodovanie a etické zásady tak, aby výsledkom boli predvídateľné straty, férové ceny a dlhodobo zdravé portfólio.