בעולם הפיננסי אותו אנו מכירים – הבנקים, חברות האשראי ושאר המוסדות הפיננסים אשר באים לתת מענה לאשראי עסקי ו/או צרכני עובדים מול מודלים פיננסים שפותחו במאה הקודמת.

מודלים אלה מאפשרים לנותן האשראי לקבל החלטה בדבר גודל ההלוואה, אחוז הריבית (הנגזר מאחוז הסיכון של מבקש ההלוואה) וכל זאת בהתאמה להיסטוריה הצרכנית של הלקוח. שהרי מי מאיתנו לא ישב מול פקיד הבנק לבקש הלוואה (לימודים/רכישת רכב/חתונה) ובמקביל לנתוני הבנק – יכולנו לדעת מה סך ההלוואה שנקבל ותנאיה.

בשנים האחרונות החלה לחלחל במוסדות האשראי העובדה כי הם אינם יכולים לתת למעשה אשראי ללקוח מזדמן, כלומר לקוח שאין עליו שום נתון פיננסי, למשל לקוח של בנק אחד מבקש מבנק אחר להעניק לו אשראי. הדבר הביא למצב בו אין לנותן האשראי שום תמונה פיננסית על הלקוח ולכן האפשרות לקבל אשראי כמעט ואיננה קיימת.

הצורך בהגדלת בסיס הלקוחות מצד אחד ושמירת הסיכון (שהרי נותן האשראי מצפה לקבל את האשראי שניתן בחזרה) מצד שני, הביאו את המוסדות לחפש פתרונות אחרים, שונים ומגוונים על מנת לבצע הערכת סיכונים ללקוחות חדשים. על לקוחות אלה לא קיים בהכרח נתון פיננסי או שלחילופין אין שום אפשרות לביצוע הערכת סיכון כלפיו.

חלקכם קרא, שמע ואולי מכיר את המושג 'תורת המשחקים', מבלי להיכנס לרבדים השונים שעולם זה מכיל, תורת המשחקים מאפשרת לבצע הערכות ולנתח מצבים שונים וקיצוניים מול כל תהליך התנהגותי במשחק. שהרי מצד אחד יש את מבקש ההלוואה (שחקן א') אל מול נותן ההלוואה (שחקן ב') – מישהי כבר אמרה: "כל העולם במה".

השילוב של כלכלה התנהגותית שעליה נערכו ונערכים מחקרים בשלל גוונים עם 'תורת המשחקים' הביא לעולם הפיננסי משהו חדש – אלגוריתם התנהגותי.

אלגוריתם התנהגותי הינו שילוב זוג המתודולוגיות מתחום הכלכלה ההתנהגותית ותורת המשחקים: מה מניע אותנו להוציא יותר כסף? מה מערכת השיקולים שלנו כאשר אני רוכש רכב חדש? מול - מה אני מבקש לומר לעולם כאשר אני רוכש את אותו רכב? מה הצבע האהוב עלי? – מן הסתם הכוונת השאלות תלויה במגזר אותו אנו מבקשים להקיף.

דוגמא נוספת ניתן לראות בסרטי הטבע השונים בהם מצד אחד אנחנו צופים בלביאה המסמנת את מטרתה: להקת צבאים. הלהקה שעד לפני מספר דקות נהנתה מקרני השמש ושפע המזון, קלטה בזווית עיניה את הלביאה והחלה לדהור במטרה למנוע את הציד. אך לפתע, חלק מהלהקה החלה לקפץ ולנטר לגבהים; הקפיצה והניטור הינו איתות/סימון ללביאה – "תראי, אנו חזקים ומנטרים גבוה יותר ולכן הסיכוי שתתפסי אותנו קטן ככל שחולף זמן המרדף".

כיצד זה עובד?

האלגוריתם ההתנהגותי בנוי ממספר שכבות של מידע אותם הוא אוסף, מנתח ולומד. כלומר, מצד אחד מתבצע תהליך של איסוף מידע על הלקוח ממגוון מקורות מידע החל מרשתות חברתיות, פורומים מאגרי מידע פתוחים וכלה במאגרי מידע הנמצאים ב- Darknet. בעת הצלבת המידע מתקבלת תמונת פרופיל דיגיטלית על ושל הלקוח. התמונה הדיגיטלית מאפשרת לאלגוריתם ליצור למעשה סוג של "שחקן" על "המפה העסקית" וככזה לנהל ניתוח מעמיק בדבר העדפותיו הפיננסיות. כאן מרבד הדוגמאות הינו עצום: החל מניתוח התנהגות של מבקש ההלוואה, למשל: הזזת סמן גובה ההלוואה המתבקשת בטופס הדיגיטלי בשילובם של נתוני מידע נוספים מאפשרים לנתח את רמת ה"לחץ" של מבקש ההלוואה.

יתרה מזו, האלגוריתם ההתנהגותי מאפשר לבצע אנליזה של המידע בכל רגע נתון וכן לבצע התאמות ולמידה. למה הדבר דומה – לאורגניזם חי שלמעשה יודע לקבל מצד אחד את המזון, לעכל אותו ולהוציא את הטפל מהעיקר; זה וגם זה הוא יודע לפעם הבאה "לשפר עמדות" ולהכניס מזון עשיר ומזין יותר לשם חידוד התוצאה הסופית ומכאן להגיע לתוצאות מדויקות יותר המאפשרים למקבלי ההחלטות בארגון לקבל מידע אמין ויעיל בזמן קצר ביותר ובכל רגע נתון.

יצירת מטריצת נתונים בנוסף ליצירת תמונה דיגיטלית הכוללת בסיס התנהגותי של מבקש ההלוואה למעשה מציג מצג בו האלגוריתם יכול לתת ניקוד (לצורך הדיון ברמת האחוזים) בדבר הסבירות של מקבל ההלוואה להחזיר את הכסף ורמת הסיכון שלו שממנה יגזר אחוז הריבית.

איסוף המידע שנעשה בצורה אוטומטית ואוטונומית לחלוטין, באישורו של מבקש ההלוואה, מאפשר למערכת לדגום בכל רגע נתון את מצבו; לדוגמא: קיימת אפשרות לדעת האם יומו של הלווה בנוי מתהליכים קבועים (נסיעה למקום העבודה, יציאה לפגישות וכדומה); דבר זה לא רק שמאפשר למערכת בו הוטמע האלגוריתם לקבל מידע בזמן אמת ולפרק זמן מוגדר מראש, הוא מאפשר לקבל ולנתח מצבי קיצון שונים שיאותתו בחזרה לאלגוריתם (זוכרים את להקת הצבאים) כי קיימת בעיה בו הלווה לא יוכל לעמוד בתשלומי ההלוואה אותה הוא לקח וקיבל לכיסו. כלומר, עוצמתו של האלגוריתם איננה רק בביצוע החיתום בפועל (טרם קבלת הכסף) אלה גם לאחריה כמערכת מעקב עצמאית ויעילה על ההלווה כי הוא יעמוד בתשלומיו. 

שילוב של מודלים פיננסים מוכרים מתורת המימון יחד עם האלגוריתם ההתנהגותי יכולים למקסם את הרווח של מוסדות נותני האשראי, להקטין את החשיפה ללקוחות שאינם חפצים בהם ולמזער את הסיכון בדבר הלוואות שניתנו ולא יחזרו.

 

רונן חן, CTO בחברת Bizlend ; מוביל את צוות הפיתוח בתחום האלגוריתם ההתנהגותי.