Kaip susikurti efektyvesnę investavimo strategiją ir patobulinti investicinių sprendimų priėmimą? Tai klausimai, į kuriuos siekia atsakyti bet kuris investuotojas. Laimei, kiekvienas iš jų gali pasikonsultuoti su niekada nepavargstančiu bei išmintimi pasižyminčiu pagalbininku – dirbtiniu intelektu (DI). Jį savo naudai pasitelkia ne tik pavieniai investuotojai, bet ir tarpusavio skolinimo platformos.

„Dirbtinis intelektas jau išanalizavo virš 40 tūkst. paskolos gavėjų duomenų, todėl šiuo metu jis gali būti laikomas bene daugiausiai informacijos turinčiu ir išmaniausiu investuotoju mūsų platformoje. Automatiškai analizuojami duomenys leidžia paneigti plačiai įsitvirtinusius investavimo mitus bei suteikia originalių įžvalgų formuojant mūsų vartotojų pinigų įdarbinimo portfelį“, – teigia „Paskolų klubo“ ryšių su investuotojais vadovas Šarūnas Barauskas.

Netikėčiausi DI atradimai investuotojams

Jei galvojate, kad investuojant į vartojimo paskolas saugiausia rinktis tuos skolininkus, kurie uždirba daugiausiai – dirbtinis intelektas mano kitaip.

„Tikriausiai keisčiausia, kad daugiausia pajamų gaunantys skolininkai (virš 2200 eurų per mėnesį) taip pat yra vieni nemokiausių – už juos didesnę riziką neša tik mažiausiai pajamų gaunanti grupė (mažiau, nei 500 eurų per mėnesį). DI leidžia teigti, kad skolininkų darbovietė, gyvenamoji vieta ar didesnis nei vidutinis atlyginimas automatiškai negarantuoja didesnės mokumo tikimybės. Ir priešingai, mažesnės pajamos nereiškia didesnės rizikos prarasti paskolą, o jau turimi finansiniai besiskolinančių įsipareigojimai ženkliai pagerina skolininko mokumo tikimybę“, – dalijasi Šarūnas Barauskas.

Statistika negailestinga: jei skolininkas yra jaunas, uždirba labai daug arba labai mažai, ir jei niekada gyvenime nėra paėmęs paskolos – jo palūkanų norma bus aukšta. Tai DI algoritmui leidžia teigti išanalizuoti praeities įvykiai, kadangi būtent tokio profilio skolininkai praeityje dažnai vėluodavo sumokėti įmokas.

Kaip pastebi bendrovės atstovas, rizikingiausios yra paskolos, išduodamos 60 mėnesių laikotarpiui. Tai lieka tiesa ir daugiausiai uždirbančiųjų demografijai. Žinoma, DI algoritmas čia pritaiko ir aukščiausias palūkanas, kad kompensuotų riziką.

„Galbūt 60 mėnesių riba yra rinkos padarinys, nes daug investuotojų vengia skolinti pinigus ilgiau nei penkeriems metams. Tuo tarpu skolininkai nori kuo ilgesnių terminų, kad reikėtų mokėti mažesnes įmokas. Panašu, kad visi lūkesčiai ir rizika tiksliai susikoncentruoja į 60 mėnesių tašką. Tikslaus atsakymo dėl šio proceso dar neturime, galime tik stebėtis DI galia pastebėti tokį fenomeną ir jį kompensuoti atitinkamai reguliuojant palūkanų normą“, – sako Šarūnas Barauskas.

Ką iš tiesų pasako kredito reitingas?

Tarpusavio skolinimo platformoje veikiančio DI uždavinys: apskaičiuoti tikimybę, rodančią kiek realu, kad naujos paskolos mokėjimai pradės vėluoti dar per pirmus metus. Šis rizikos rodiklis labai tiesiogiai susijęs su tikėtinu nuostoliu, kurį patirs investuotojas, investavęs į atitinkamą paskolą.

„Labai supaprastinus, jei nuostolio tikimybė siekia 10 proc., tai paskolos palūkanų normai bus taikoma 10 proc. premija. Nors tikras skaičiavimas kiek sudėtingesnis, tikslas išlieka tas pats: apskaičiuoti kiekvienos išduodamos paskolos palūkanų normą taip, kad investuotojai būtų kompensuojami už riziką, kurią prisiima. Praktiškai tai reiškia, kad nesvarbu, į kokią paskolą investuosite biržoje, statistiškai gausite daugmaž tą pačią grąžą už prisiimtą riziką“, – komentuoja ryšių su investuotojais vadovas.

Dirbtinio intelekto amžiuje – beribės duomenų analizės galimybės

Naudoti DI algoritmus siekiant priimti tikslesnius investavimo pasirinkimus šiandien – didžiausias potencialas istorijoje. Iš dalies, tai lemia itin plačios galimybės apibendrinti koncentruotus bei tikslius duomenis, gaunamus iš valstybinių institucijų bei kredito biurų, pateikiančių svarbiausius vartotojų apsipirkimo įpročius bei mokėjimų istoriją.

„Vertinant tikslų kredito reitingą dirbtinis intelektas palygina visus praeityje išduotų paskolų duomenis su konkrečiais paskolos gavėjo rodikliais bei juos sugretina su faktiniu skolininko kreditingumu. Tada pasitelkiant matematines formules, pagrįstas regresijos principu (angl. „Machine Learning“), DI skaičiuoja kiekvienos duomenų kategorijos koeficientą, leidžiantį pateikti tikėtiną kreditingumą, matomą investavimo platformoje“, – apibendrina Šarūnas Barauskas.

Komentarai ()