Συνεργασίες

Η Propel προσθέτει δεδομένα ταμειακών ροών της Plaid στην αξιολόγηση πιστοληπτικής ικανότητας με ΤΝ

Vera Syn
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΤο μοντέλο ταμειακών ροών της Propel στοχεύει στη διεύρυνση της πρόσβασης σε πίστωση…
Δείτε περισσότερα
  • Το μοντέλο ταμειακών ροών της Propel στοχεύει στη διεύρυνση της πρόσβασης σε πίστωση για δανειολήπτες που εξυπηρετούνται ανεπαρκώς από δεδομένα γραφείων πίστωσης.
  • Η Plaid παρέχει επιτρεπόμενα σήματα εισοδήματος και υποχρεώσεων που τροφοδοτούν την υπογραφή δανείων με βαθιά μάθηση της Propel.
  • Η διατήρηση υψηλότερων εγκρίσεων χωρίς αποδυνάμωση της πιστωτικής απόδοσης είναι το ανοιχτό ζήτημα για την επέκταση.

Η Propel Holdings ανακοίνωσε ένα αναβαθμισμένο μοντέλο αξιολόγησης πιστοληπτικής ικανότητας βάσει ταμειακών ροών με ΤΝ και συνεργασία με την Plaid για τη χρήση χρηματοοικονομικών δεδομένων με τη συγκατάθεση των καταναλωτών στις 18 Νοεμβρίου 2026, εκτιμώντας ότι η τεχνολογία θα μπορούσε να διευρύνει την πρόσβαση σε πιστώσεις έως και κατά 15%. Το μοντέλο έχει σχεδιαστεί για να αξιολογεί καταναλωτές των οποίων η οικονομική κατάσταση ενδέχεται να μην αποτυπώνεται πλήρως στα δεδομένα των παραδοσιακών πιστωτικών γραφείων.

Το εσωτερικά ανεπτυγμένο σύστημα τέθηκε σε λειτουργία στα τέλη του γ΄ τριμήνου του 2026. Χρησιμοποιώντας τραπεζικές συναλλαγές που έχουν καταγραφεί σε διάστημα έξι μηνών, παράγει αξιολόγηση μέσα σε δευτερόλεπτα και συμπληρώνει τις συμβατικές πληροφορίες των πιστωτικών γραφείων. Η Propel δήλωσε ότι τα πρώτα αποτελέσματα έδειξαν πως το σύστημα μπορούσε να αυξήσει τις εγκρίσεις, διατηρώντας αμετάβλητα τα όρια κινδύνου της.

Πώς τροφοδοτούν τα δεδομένα της Plaid το μοντέλο

Στο πλαίσιο της συνεργασίας, η Plaid παρέχει πληροφορίες από χρηματοοικονομικά δεδομένα που διατίθενται με τη συγκατάθεση των καταναλωτών, τα οποία καλύπτουν το εισόδημα, τις ταμειακές ροές και τις οικονομικές υποχρεώσεις των δανειοληπτών. Η Propel δήλωσε ότι αυτά τα δεδομένα αποσκοπούν στο να βοηθήσουν την ίδια και τις συνεργαζόμενες τράπεζες να εντοπίζουν αιτούντες που είναι αξιόχρεοι, αλλά ενδέχεται να παραβλέπονται από τις συμβατικές διαδικασίες αξιολόγησης πιστοληπτικής ικανότητας.

Ο δρ Jonathan Goler, συνιδρυτής και διευθυντής διαχείρισης κινδύνου της Propel, περιέγραψε το σκεπτικό αυτής της προσέγγισης: «Συνδυάζοντας δεδομένα ανοικτής τραπεζικής, με την υποστήριξη της Plaid, με προηγμένα μοντέλα βαθιάς μάθησης χρονοσειρών, μπορούμε να κατανοήσουμε καλύτερα την τρέχουσα οικονομική κατάσταση ενός καταναλωτή και να εντοπίσουμε μοτίβα που προβλέπουν πραγματικά την αποπληρωμή».

Σε ξεχωριστό σημείο, η τεκμηρίωση της Plaid για την αξιολόγηση πιστοληπτικής ικανότητας αναφέρει ότι η πλατφόρμα συνδέεται με περισσότερα από 12.000 χρηματοπιστωτικά ιδρύματα. Περιγράφει δείκτες κινδύνου που προκύπτουν από μοτίβα ταμειακών ροών, κατηγοριοποιημένα εισοδήματα και δραστηριότητα σύνδεσης λογαριασμών σε όλο το δίκτυό της, ενώ η ενσωμάτωση είναι διαθέσιμη μέσω API ή πίνακα ελέγχου χωρίς κώδικα.

Λειτουργική κλίμακα και πλαίσιο πιστώσεων

Η Propel αναφέρει ότι η ίδια και οι συνεργαζόμενες τράπεζες έχουν αξιολογήσει για χορήγηση περισσότερα από δύο εκατομμύρια δάνεια και πιστωτικές γραμμές, δημιουργώντας ένα ιδιόκτητο σύνολο δεδομένων σε ένα τμήμα της πιστωτικής αγοράς που μπορεί να είναι ιδιαίτερα περίπλοκο στην αξιολόγηση.

Σύμφωνα με τη σελίδα της πλατφόρμας της εταιρείας, η ΤΝ της μπορεί να λαμβάνει υπόψη έως και 5.000 σημεία δεδομένων ανά αιτούντα, ενώ η αυτοματοποιημένη λήψη πιστοδοτικών αποφάσεων διαρκεί περίπου έξι δευτερόλεπτα και διεκπεραιώνονται καθημερινά περισσότερες από 100.000 μοναδικές αιτήσεις. Ο αριθμός των αιτήσεων αφορά τους 12 μήνες έως τις 30 Ιουνίου 2026 και δεν περιλαμβάνει την QuidMarket. Η πλατφόρμα συνεργάζεται επίσης με την ομάδα διαχείρισης κινδύνου της Propel, ενσωματώνοντας ευρύτερες μακροοικονομικές τάσεις.

Η εφαρμογή του συστήματος έρχεται έπειτα από μια περίοδο ταχείας αύξησης των χορηγήσεων. Στα αποτελέσματα τρίτου τριμήνου που δημοσιεύτηκαν στις 3 Νοεμβρίου 2026, η Propel ανέφερε έσοδα 201,5 εκατομμυρίων δολαρίων, αυξημένα κατά 32% σε ετήσια βάση, ενώ οι εκταμιεύσεις δανείων από την Propel και τις συνεργαζόμενες τράπεζες αυξήθηκαν κατά 27%, φτάνοντας τα 260,7 εκατομμύρια δολάρια.

Το κόστος των πιστώσεων αποτελεί αντίβαρο σε αυτή την ανάπτυξη. Η πρόβλεψη για ζημίες από δάνεια και άλλες υποχρεώσεις ανήλθε στο 53% των εσόδων, έναντι 52% έναν χρόνο νωρίτερα· η Propel απέδωσε την αύξηση κυρίως στο μεγαλύτερο ποσοστό εκταμιεύσεων προς νέους πελάτες. Οι καθαρές διαγραφές δανείων παρέμειναν περίπου στο 12% του μέσου συνδυασμένου υπολοίπου δανείων και προκαταβολών, στα ίδια επίπεδα με το προηγούμενο έτος. Αυτά τα συνολικά στοιχεία του τρίτου τριμήνου για την εταιρεία δεν απομονώνουν την επίδραση του νέου μοντέλου.

Η Propel αναμένει να φέρει την τεχνολογία αξιολόγησης πιστοληπτικής ικανότητας στις Ηνωμένες Πολιτείες στις αρχές του 2027 και δήλωσε ότι οι δυνατότητές της θα μπορούσαν τελικά να υποστηρίξουν πιο εξατομικευμένες προσφορές δανεισμού και πρόσθετα χρηματοοικονομικά προϊόντα. Το βασικό ερώτημα για αυτή την επέκταση είναι αν μπορεί να διατηρηθεί η αύξηση των εγκρίσεων χωρίς να αποδυναμωθούν οι επιδόσεις των πιστώσεων που ανέφερε η Propel για το τρίτο τρίμηνο.

Η Vera Syn είναι ερευνητική πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στο Unite.AI και καλύπτει θέματα τεχνητής νοημοσύνης στον χρηματοοικονομικό τομέα, τις τράπεζες και τις χρηματοοικονομικές υποδομές. Το έργο της εστιάζει στον τρόπο με τον οποίο η τεχνητή νοημοσύνη αναδιαμορφώνει την επενδυτική τραπεζική, την αξιολόγηση πιστοληπτικής ικανότητας, τη διαχείριση κινδύνων, τα συστήματα συναλλαγών και τον εντοπισμό απάτης σε χρηματοπιστωτικά ιδρύματα παγκοσμίως.

Με ακριβή και ποσοτική προσέγγιση, η Vera εξετάζει τον τρόπο με τον οποίο εφαρμόζονται τα μοντέλα μηχανικής μάθησης στην ανάλυση αγορών, τη βαθμολόγηση πιστοληπτικής ικανότητας, την καταπολέμηση της νομιμοποίησης εσόδων από παράνομες δραστηριότητες και τη λειτουργική αποδοτικότητα των τραπεζών. Δίνει ιδιαίτερη προσοχή στην ακρίβεια των μοντέλων, στους κανονιστικούς περιορισμούς και στην ισορροπία μεταξύ αυτοματοποίησης, διαφάνειας και συστημικού κινδύνου στα χρηματοπιστωτικά συστήματα.

Τα άρθρα που συντάσσει η Vera Syn δημιουργούνται με τεχνητή νοημοσύνη και ελέγχονται από τη συντακτική ομάδα του Unite.AI, ώστε να διασφαλίζονται η ακρίβεια, η σαφήνεια και η υπεύθυνη κάλυψη του διευρυνόμενου ρόλου της τεχνητής νοημοσύνης στον χρηματοοικονομικό τομέα και στις τράπεζες.