Artikel
Geschreven door Eric Van den Broele
Posted on 14/04/2020

Impactscore vs. klassieke predictiemodellen: een andere benadering

773 keer gelezen

De gebruikelijke predictiemodellen om krediet in te schatten en faillissementen te voorspellen, gaan steeds uit van economie in continuïteit. Zelfs een onderneming in moeilijkheden voert nog activiteiten uit. Ze produceert, ze koopt en verkoopt, ze stelt mensen tewerk, enz. Dit staat in schril contrast met de huidige coronacrisis. Vandaag ondergaan we een schoksituatie, waarin we pijlsnel geëvolueerd zijn naar een economie met individuele ondernemingen die gedeeltelijk of volledig tot stilstand zijn gekomen.

De gevolgen hiervan zijn niet te overzien. Gezonde ondernemingen, die over voldoende netto bedrijfskapitaal en extra reserves beschikken, worden dermate geraakt dat ook zij snel kunnen wankelen. Deze toestand van gedeeltelijke of volledige discontinuïteit vergt een totaal andere visie die weinig te maken heeft met de klassieke en geavanceerde falingspredictiemodellen.

Referentiepunt voor de schok

Deze situatie wordt alvast geïllustreerd door de rechtbanken die gevoelig minder faillissementen uitspreken en zittingen opschorten. Het zorgt voor een fundamentele daling van het aantal faillissementen. Het gebruik van klassieke modellen om moeilijkheden in te schatten, hebben dan ook niet veel zin meer. Hoogstens zijn ze een referentiepunt om de financiële gezondheid te bepalen van een onderneming tot de schok, de dag voor de drastische overheidsmaatregelen van kracht werden. Maar zeker niet na de schok.

De schok kenmerkt zich door een vrij plotse daling en zelfs volledige stopzetting van inkomsten (omzet) gedurende een bepaalde periode. Vandaag hebben we het voorbeeld van de coronacrisis. Maar een bedrijf kan op kleinere schaal evengoed geraakt worden als plots de toelevering van basisgoederen stilvalt, bij straatwerken, kleine natuurrampen of een uitslaande brand. Terwijl tijdens deze periode een belangrijk aantal kosten blijven doorlopen. Hier wordt het essentieel te begrijpen in welke mate de bedrijven - in eerste instantie vanuit hun bestaande reserves - de schok kunnen dragen. Overheden kunnen dan op basis van die twee elementen (omzet en reserves) inschatten welke extra maatregelen nodig zijn om bedrijven er weer bovenop te helpen.

Lees ook: Welke bedrijven kunnen deze crisis opvangen? En hoe lang nog?

Andere benadering

De traditionele benadering, die redeneert vanuit een continuïteitsprincipe, staat dus los van de impactscore.

Zo zal bijvoorbeeld een bedrijf dat in normale omstandigheden rendabel / solvabel is het bij een schok sneller lastig krijgen als het - omwille van het financiële hefboomeffect richting aandeelhouders - geen al te grote reserves bijhoudt. Aandeelhouders willen in de eerste plaats dat (een deel van) hun investering rendeert. Vanuit financieel oogpunt tasten deze goed bestuurde bedrijven de grenzen af van een aanvaardbare solvabiliteit en dan wordt in de huidige omstandigheden bancaire bijstand precair.

Dit in tegenstelling tot bijvoorbeeld een bedrijf dat de afgelopen jaren minder rendabel (misschien zelfs verlieslatend) was, maar nog altijd over ruime reserves beschikt om de schok op te vangen. Dergelijke bedrijven zijn veelal hoog solvabel, zodat de bankier sneller geneigd zal zijn om bij te springen.

Nauwkeurig omzet inschatten

Om de impact van de schok te meten, beschikt Graydon over een uniek algoritme dat vrij nauwkeurig de omzet inschat. Op die manier kennen we de omzet van de ongeveer 400.000 bedrijven die een jaarrekening publiceren. Dit terwijl slechts een kleine 19.000 bedrijven een jaarrekening mét omzetcijfer publiceert. Het omzetcijfer vormt een prima basis om de impact te meten op verschillende niveaus, waarvan het wegvallen van de omzet gedurende een periode X er maar één van is.

In tweede instantie wordt gekeken welke injecties een bedrijf nodig heeft om de schok te overleven. Meer zelfs, op basis van deze inzichten kunnen overheden simulaties maken om de effecten van de maatregelen én de orde van grootte van injecties te bepalen. Ook een inschatting van de impact met betrekking tot personeel, technische werkloosheid en waardevermindering van eigen aandelen behoort tot de mogelijkheden.

Twee vragen dringen zich op

Aansluitend op het solvabiliteitsvraagstuk en de mogelijke bancaire tussenkomst, duiken ook twee andere vraagstukken op. Een bankier wil zekerheden tegenover een lening in de vorm van bijvoorbeeld onroerend goed, aandelen en participaties of mogelijke reserves (die net nu volop aangewend worden). Dit betekent dat net in tijden van schok het gesprek met de bankier minder evident wordt voor de ‘financieel goed bestuurde’ bedrijven’ zoals eerder hierboven omschreven. Bovendien leidt een schok van omvang mogelijk ook tot een waardevermindering van participaties die in normale omstandigheden net een basis kunnen zijn voor garanties.

Het garantieprobleem zou zich eens te meer kunnen stellen na de coronacrisis. Het zou best kunnen dat bedrijven, door de nieuwe cultuur van thuiswerken (gedwongen door omstandigheden) beseffen dat ze minder kantooroppervlakte nodig hebben en die versneld afbouwen. Wanneer de coronacrisis hard toeslaat, dan komen er na de crisis wellicht ook heel wat privé-eigendommen op de markt. Een nieuwe immobiliëncrisis is niet denkbeeldig, waardoor net na de crisis ook de zekerheden die immobiliën naar banken toe bieden in vraag zullen worden gesteld.

Een tweede vraagstuk ligt in het feit dat heel wat bedrijven in België afhankelijk zijn van buitenlandse moederbedrijven en beslissingscentra in andere werelddelen. Het risico dat ze leeggezogen worden om de noden van het moederbedrijf te lenigen, is niet denkbeeldig. Dergelijke scenario’s moeten (zowel tijdens de schok als tijdens de periode van heropbouw) grondig in de benadering geïntegreerd worden.

Toepassingen

Het idee om de schokbestendigheid te berekenen, ontstond kort na de terroristische aanslagen in Zaventem en Brussel in 2016. Ook toen volgde er een schok, die – hoe dramatisch ook – eerder beperkt bleef. De link met andere terreinen was evenwel snel gelegd. De schokbestendigheid zou bijvoorbeeld ook ideaal zijn om burgemeesters te documenteren die plannen hebben om een stadsplein opnieuw in te richten. Het betekent namelijk dat de winkels op dat plein voor enkele maanden in ‘lock-down’ gaan. De burgemeester zou dan de bedrijven die het meeste nood hebben aan ondersteuning prioriteit kunnen geven (op basis van de impactscore) én de budgetten ervoor kunnen bepalen (nood aan injectie).

Maar denk bijvoorbeeld ook aan een situatie waarbij door marktomstandigheden of internationale spanningen een bevoorradingslijn van primaire goederen zou stilvallen. Een plots elektriciteitstekort bijvoorbeeld.

Prioritair project

Graydon zag haar expertise op vlak van data, algoritmes en predictiemodellen als een steun om beter inzicht te verwerven in de impact van de crisis en de maatregelen die nodig zijn. Het gelooft ook dat het in een latere fase de inzichten kan leveren om de heropbouw van onze economie te documenteren.

Alle lopende projecten werden hiervoor opzij geschoven. Het volledige team van data scientists, analisten, juristen en tal van andere betrokkenen werden fulltime op de ontwikkeling van het nieuwe model gezet. Het basismodel wordt ondertussen voortdurend verfijnd, bijgestuurd en uitgebreid op basis van de beslissingen en de steunmaatregelen die worden uitgevaardigd (continuous improvement). Hiervoor staan we in nauw contact met de crisis taskforce van de Federale regering.

Ondersteunende functie

Graydon beseft het gevaar dat de resultaten van de impactscore en het Impact Score Report negatief gebruikt kunnen worden. Bedrijven zouden de score kunnen aanwenden om klanten die door de schok als precair worden bestempeld, uit te sluiten van levering of onmiddellijke betaling te eisen. Op die manier zouden de ‘slachtoffers’ nog sneller naar de afgrond afglijden en dat kan niet de bedoeling zijn.

Daarom staat dit model enkel ter beschikking van instanties en ondernemingen die zich ertoe verbinden om de inzichten uitsluitend als ondersteuning aan te wenden. Een onderneming kan de score dus aanwenden om te bepalen welke klanten ondersteuning nodig hebben (in de vorm van uitstel van betaling bijvoorbeeld) om deze crisis te overleven.