Revoluce v bankovnictví: optimalizace úvěrových a hypotečních procesů na základě ucelených dat z real-estate trhu

1 .  Poskytování úvěrů

Integrování většího množství dat do úvěrových systému může bankám pomoci vypořádat se s tlakem regulačních orgánů. Jedním ze způsobů integrace je zavedení automatizovaných oceňovacích modelů k získání tržních přehledů a následné  prvotní ocenění nemovitostí, které potřebují poskytnout hypotéky. Prvotní ocenění lze poté porovnat s jinými, tradičnějšími oceňovacími modely, nebo ho případně nechat zkontrolovat profesionálním odhadcem.

Dalším způsobem přesnější analýzy hodnoty nemovitostí, které banky financují, jsou údaje o energetické náročnosti. Takzvané ESG údaje umožňují bankám předvídat a sledovat dopady energetické náročnosti na hodnotu nemovitosti v průběhu let a získat tak lepší přehled o budoucí úvěrové expozici. Mohou také modelovat dopad potenciálních energetických změn na hodnotu těchto nemovitostí a podle toho poskytnout dodatečné finanční prostředky. Přístup k přesným a aktuálním údajům o energetické náročnosti je klíčem k získání jasnějšího obrazu o tržní hodnotě nemovitosti.

V září 2022 analyzovala společnost PriceHubble vliv energetické náročnosti na ceny evropských nemovitostí pomocí vlastních automatizovaných oceňovacích modelů a zjistila výrazný pokles ceny u energeticky náročných nemovitostí. Energeticky neefektivní domy mají ve Francii až o 15 % nižší hodnotu, o 16 % v Nizozemsku a největší pokles ceny energeticky neúčinných nemovitostí zaznamenala PriceHubble v Německu, a to až o 17 %.

Přestože jsou údaje o ESG pro banky klíčové, přístup k nim je z důvodu nestrukturovaných a neúplných databází finančních institucí stále omezený. Tento problém je možné řešit spoluprací s poskytovateli údajů třetích stran, kteří mohou potřebnými datovými sadami banky vybavit nebo jim pomoci obohatit jejich vlastní databáze.

^REKLAMA

Kromě toho mohou banky začít aplikovat datově řízený přístup shromažďováním dat související s environmentálními riziky (např. povodně nebo sucho) a následně integrovat tyto informace do svých vlastních modelů. V závislosti na regionu jsou takové informace k dispozici ve veřejných databázích (např. francouzská Georisques), prostřednictvím třetí strany nebo jsou integrované přímo do datově obohacené databáze existující instituce, jak je popsáno v předchozím odstavci.

2 . Monitorování úvěrů

V nejistých případech musí být banky schopné účinně oceňovat majetek, který je základem jejich úvěrového portfolia, a kvůli dopadu na rizikovost a solventnost sledovat tuto hodnotu v průběhu času.

Vzhledem k tomu, že úvěrová portfolia často obsahují miliony nemovitostí, spoléhání se pouze na lidské experty pro ocenění majetku je nákladné a nereálné. Právě zde tak vstupují do hry automatizované oceňovací modely.

Použití automatizovaných modelů oceňování a umělé inteligence umožňuje bankám

získat jasnější a podrobnější pochopení svých úvěrových portfolií tím, že shromáždí další údaje o každé nemovitosti (rok výstavby, plocha, energetické hodnocení, stavební materiály atd.). Dále umožňuje efektivně zhodnocovat a monitorovat jednu nebo více nemovitostí ve velkém měřítku, hodnotit likviditu (dobu pro prodej) nemovitostí, a sledovat pokles vyvolaný energetickou výkonností, protože ten má u vysokoenergetických nemovitostí tendenci se rychle zvyšovat. V neposlední řadě se pak zaměřuje na identifikaci, cílení a podporu klientů s ohroženými nemovitostmi k renovaci.

Tímto způsobem se tak v příštích letech stanou banky jednou z hnacích sil energetických renovací. Podobně jako při poskytování úvěrů se banky často potýkají s neúplnými nebo nestrukturovanými údaji pro své procesy sledování úvěrů, což znamená, že se při obohacování svých stávajících databází mohou spolehnout i na třetí strany.

3 . Vymáhání půjček a neperformačních úvěrů

Nevýkonné úvěry jsou pro evropské banky dlouhodobým problémem. Pokud se ukáže, že portfolio nemovitostí banky kromě nesplácených úvěrů nesplňuje současné a budoucí standardy ESG, bude to mít negativní dopad na hodnotu jejich portfolia a ovlivní to jeho likviditu, protože nemovitosti bude obtížné prodat. Banky by proto pro vyhodnocování a předcházení těchto rizik měly přijmout preventivní opatření, jako je pečlivé sledování portfolií, nastavení ukazatelů včasného varování a využívání údajů souvisejících s ESG, jak navrhuje regulátor.

Pokud klienti neplní své závazky, mohou se banky obrátit na nástroje, které jim poskytnou přehled o likviditě nemovitostí v jejich portfoliu. Tyto nástroje jim mohou poskytnout klíčové ukazatele likvidity (dny na trhu, srovnatelné údaje atd.), které mohou banky zohlednit v rámci řízení úvěrového rizika a nabídnout tak ještě lepší představu o hodnotě majetku.
Zdroj : Společnost PriceHubble