An Automated Credit Scoring Model for Large-Scale Indicative Credit Assessment of Nordic Companies

Abstract

I denne oppgaven presenteres en automatisk modell for veiledende kredittscoring av nordiske, ikke-finansielle, mellomstore og store selskaper. Modellen er basert på eksiterende rammeverk og ratingmetodikk fra Nordic Credit Rating AS, nordens første kredittratingsselskap godkjent av den Europeiske verdipapir- og markedstilsynsmyndighet (ESMA). Dermed kan oppgaven sees på som et viktig bidrag for å belyse sider av kredittratingsprosessen som stadig kritiseres for å være en såkalt "black box".

Modellen er en kvantiativ scorecard-modell, og benytter i all hovedsak offentlig tilgjenglig regnskapsdata som forklarende variabler. En scorecard-formulering er valgt i samsvar med NCR sin eksiterende metodikk, samt på grunn av dens mulighetsrom hva gjelder metoder for oppbyging og utvikling. I denne oppgaven anvendes metoder som logistisk regresjon, weight of evidence og differential evolution optimering for å yttligere tilpasse modellen til nordiske selskaper.

Ved hjelp av modellen gjennomføres effektiv storskala-scoring av mer enn 130.000 ikke-finansielle, nordiske selskaper. I tillegg til å kunne benyttes som et ressursbesparende verktøy i en fullskala kredittratingsprosess, kan man ved hjelp av modellens resulater trekke slutninger om den generelle kredittkvaliteten i det nordiske markedet. Vi benytter oss av AUC og KSD for å si noe om modellens beskrivende evne, og stabilitetstester for å vurdere modellens historiske robusthet. Disse testene viser at modellens prestasjoner er gode, særlig tatt i betrakting dens store skala. Modellen klarer i stor grad å skille mellom selskaper som misligholder sin gjeld og selskaper som ikke gjør det, og presterer spesielt godt for børsnoterte selskaper.

This paper details the development and implementation of an automated, quantitative scorecard model for indicative credit assessment (ICA) of Nordic, non-financial companies. The described model is based on a rating framework used by Nordic Credit Rating AS, the first Nordic-based credit rating agency approved by the European Securities and Market Authority (ESMA). To facilitate assessment of a large share of the Nordic market, the model is modified to better handle smaller, as well as non-listed companies. These adjustments are based on established methods such as logistic regression, weight of evidence and differential evolution optimization. Furthermore, by automating the model to allow for scaling, we are equipped to assess a large dataset of 130,000 companies, most of which are non-listed. We validate the model in accordance with recommendations presented by ESMA, ultimately focusing on two aspects: discriminatory power and stability. Applying measures for testing such as AUC, KSD and RatVol reveal that the model performs quite well, particularly with regards to discriminatory power. Results also indicate that the model is suitable for first-stage assessments, potentially providing a tool that will increase efficiency in the rating process, and allow for large-scale analysis of the market.