6 Indikator Lain untuk Memprediksi Default dan Bubble

Untuk mengantisipasi kegagalan pembayaran, berbagai indikator dipakai dalam analisa kredit. Berikut 6 indikator lain untuk memprediksi default dan bubble, yang meskipun tidak secara langsung menganalisa capacity dan collateral namun juga terbukti akurat mengantisipasi resiko kredit*:

1. Debt Equity Ratio. Perbandingan antara besarnya total hutang dibandingkan dengan asset yang dapat diamankan memiliki angka keramat 30%, dan indikator kunci sederhana ini sangat sulit dipenuhi ketika sebagian besar Debitur tidak memiliki single identity, tidak memiliki credit history yang terpusat, akurat, up-to-date dan dapat diandalkan seperti halnya di Indonesia. Karena kesulitan ini maka indikator ini sering diganti dengan indikator kesehatan (dan kewajaran) keuangan yang lain seperti butir 2 di bawah ini.
2. Price to Income Ratio. Tidak seperti LTV atau Down-payment yang mengukur affordability dalam hal angsuran, rasio nilai pembiayaan terhadap penghasilan ini mengukur affordability dalam spektrum luas. Acuan umum yang dapat dipakai adalah “rumusan employee benefit” yaitu 10-50x penghasilan.
3. Price Earnings Ratio. Diturunkan dari rasio PER, nilai angsuran dibandingkan dengan nilai rental asset dibiayai merupakan ukuran ketika asset harus menutup cash flow, yaitu kondisi ketika capacity telah gagal dan pengembalian hutang harus bersandar kepada capital.
4. Sensitivitas Usaha terhadap Krisis. Sektor usaha tertentu terbukti merupakan sektor yang kebal krisis. Karyawan dengan penghasilan tetap dari industri perbankan adalah favorit consumer loan. Jenis pekerjaan dan industri ini merupakan contoh sensitivitas yang rendah terhadap krisis.
5. Collateral Value & Liquidity. Jaminan yang memilii demand besar dengan nilai depresiasi rendah adalah salah satu resep keamanan pinjaman. Asset tertentu terbukti stabil nilainya karena 2 hal, karena nilai intriksiknya yang berlawanan dengan arah krisis dan karena segmen pembelianya yang tetap memiliki daya beli. Contoh klasiknya adalah saat krisis terjadi, harga rumah ambles dan harga emas membumbung, di krisis yang lain semua harga asset melemah kecuali USD. Contoh lainnya adalah nilai tas premium yang tak kunjung turun meski terjadi gejolak keuangan (hanya shadow banker yang “menerima” kategori aset ini).
6. Faktor Struktural atau B2B Relationship. Saat krisis terjadi, industri yang umumnya dipertahankan pemerintah adalah perbankan, dan ritel yang menyasar grass root. Selain industri tersebut, beberapa sektor akan mempertahankan sektor lainnya yang terkait. Pembiayaan properti akan terus dipertahankan (tidak akan bubble atau disangkal terjadi bubble) oleh developer sebab >50% pembelian property melalui kredit, dipertahankan bersama bank tentunya bilamana developer adalah customer utama kredit komersialnya, dan KPR adalah consumer loan utama –nya. Kasus yang sama juga terjadi pada KKB, kerugian perusahaan Multifinance akan “dibantu” oleh ATPM dan bank, mengingat multifinance adalah saluran utama kredit perbankan.

*) Selain indikator yang umum dipakai, seperti down-payment atau loan-to-value atau debt to underlying asset ratio

6 Layanan Standar untuk Mendukung Consumer Lending

Lenders dewasa ini sulit sekali bersaing memperebutkan Debitur dalam hal bunga, loan scheme, dan persyaratan kredit yang semakin ketat diawasi oleh otoritas keuangan. Oleh sebab itu maka Lenders “menarik” applicant dengan memberikan layanan yang dahulu tidak lazim diberikan. Berikut ini adalah 6 Layanan yang kian menjadi standard:

1. Loan Information, mencakup hak dan kewajiban Debitur, seperti persyaratan dokumen, rentang bunga, denda, provisi, serta cara pembayaran, dll. Layanan baru yang menarik mencakup kerjasama dengan developer (Kredit Kepemilikan Rumah), dealer (Kredit Kepemilikan Kendaraan Bermotor), bahkan informasi industri untuk kredit komersial, seperti inflasi, suku bunga, dan berbagai parameter makro beserta estimasinya.
2. Loan Facility Comparison. Layanan ini menyediakan perbandingan antar fasilitas kredit, serta dengan fasilitas funding atas item-item loan information. 
3. Loan Simulation. Simulasi kredit ini memberikan estimasi rating yang Calon Debitur peroleh (misalnya AAA), serta berapa bunga dan nilai angsuran berdasarkan rating tersebut.
4. Loan Administration. Administrasi kredit yang self service melalui web sudah umum dewasa ini, mencakup print-out amortization table, bukti pembayaran, dan bahkan di luar negeri layanan juga mencakup print credit history dan rating-nya.
5. Auto Collection. Fasilitas pembayaran angsuran otomatis melalui transfer (standing instruction), auto debit rekening atau fasilitas kartu kredit, serta payment reminder.
6. Loan Modification. Modifikasi tenor, besarnya angsuran, dan term of payment untuk meningkatkan kemungkinan Debitur melunasi kredit. Modifikasi kredit umumnya diberikan untuk Debitur berpotensi mengalami financial distress dengan Debt Service Rationya yang masih acceptable, sumber penghasilan tetap (Fixed Income Earner), dan tidak memiliki resiko default dalam jangka waktu dekat (misalnya sakit, perceraian, PHK, dll).

Layanan di atas umumnya dapat diakses mulai dari telpon ke Call Agent, telpon ke fasilitas IVR (Interactive Voice Response), SMS, sampai smartphone application.

4 Slice-and-dice Umum untuk Mengembangkan Sub-Segment Resiko

Dalam dunia Marketing, 1-to-1 segmentation mulai dilakukan oleh perusahaan yang perlu menyasar secara akurat orang per orang di pasar karena alasan keterbatasan budget atau karakteristik produk yang spesifik. Segmentasi pasar untuk kepentingan resiko juga memiliki pola yang sama. Ketika kebijakan yang umum sudah tidak lagi efektif memperkirakan credit worthiness calon debitur maka Lender harus bergerak kepada seleksi yang lebih ketat melalui segmentasi yang mengarah personal. Berikut adalah 4 slice-and-dice yang umum dilakukan untuk mengembangkan sub-segment resiko:

1. Domisili. Tidak dapat dipungkiri daerah mengindikasikan perbedaan penghasilan, pengeluaran dan gaya hidup. Contoh yang mencolok adalah bagaimana Baltimore adalah daerah dengan potensi saving terbesar, bukan karena tingginya penghasilan namun karena biaya hidup dan gaya hidup. Di Indonesia tipikalnya adalah Jawa Tengah. UMR lebih rendah dari Jakarta misalnya namun pengeluaran dan gaya hidupnya membuat penduduk Jateng cenderung memiliki tabungan yang siap dibelanjakan lebih tinggi.
2. Jenis Usaha. Kemampulabaan jenis usaha tertentu cenderung lebih sensitif terhadap dinamika ekonomi dan pasar. Dulu sektor ritel dianggap sebagai safe heaven, namun tidak untuk usaha gerai modern. Sub-segmen gerai modern ini (pengusaha Indomart, Alfamart, dll) penghasilannya lebih sensitif terhadap kenaikan harga BBM, inflasi dan suku bunga. Tengok saja ketika situasi ekonomi tidak menguntungkan maka customer yang duduk-duduk di 7-eleven akan jauh berkurang, tentunya hal ini mempengaruhi capacity pemilik gerai yang harus meng-angsur.
3. Credit History. Dulu credit history yang baik dapat dipakai untuk menunjukkan integritas dan capacity; sekarang data ini perlu ditelaan lebih lanjut. Nilai angsuran lama dan sekarang jelas menentukan capacity, namun apakah kendaraan yang telah lunas sebelumnya (pada pembiayaan kendaraan) masih operasional atau sudah dijual juga menjadi pertimbangan. Pada mortgage lending, sudah menjadi analisa standar bahwa DP untuk rumah ke-2 dimana rumah pertama masih ada mensyaratkan DP yang lebih rendah daripada bila rumah pertamanya sudah dijual. Ini menunjukkan telaah capacity dan gaya hidup terkait asset building calon debitur.
4. Kesehatan Keuangan. Consumer lending umumnya lebih memperhatikan kemampuan calon debitur mengangsur, sedangkan kesehatan (dan kewajaran) kesehatan keuangan seperti porsi asset likuid, insurance coverage, porsi hutang terhadap total asset, dll kurang diperhatikan. Hal ini dahulu dimaklumi karena kesulitan data, namun kondisi dewasa ini memaksa penggunaan data untuk membuat estimasi yang selanjutnya dipergunakan untuk men-segmentasi calon debitur berdasarkan pengelolaan keuangannya. Pengelolaan yang buruk pada masa lalu mungkin tidak menyebabkan kebangkrutan karena pertumbuhan ekonomi (secara mikro istilahnya gali lubang tutup lubang), namun dalam ketidakpastian ini akan sangat beresiko.

Lihat juga:

Segmentasi berdasarkan Model ketika granularity data "cukup" untuk mapping sub-segment (dari valiancesolutions.com):

Bagaimana Segmentasi dapat membantu Marketing "menemukan" segment yang profitable, tentunya dapat juga untuk menentukan masa segment yang beresiko:

Customer Segmentation from Carlos Soares

6 Domain Utama Credit System Development terkait Proses, Metodologi dan CIT

Banyak orang berpendapat, Credit hanyalah bersifat operasional, yaitu mencakup people, dan policy. Nyatanya Credit juga sangat terkait dengan proses, metodologi dan CIT (Communication and Information Technology). Berikut ini adalah 6 domain utama dari Credit Development yang sangat dekat dengan 3 hal di atas, yang sangat diperlukan untuk membantu Credit melakukan loan assessment secara efektif dan efisien:

1. Application model dan verifikasinya, mencakup pengembangan Scoring Model dan Rating Model untuk setiap loan portfolio, baik dalam artian product portfolio, market portfolio ataupun hybrid. Selain itu harus dikembangkan Sistem Verifikasi model-model di atas nya untuk menjaga validitasnya agar mampu memetakan Resiko Produk (Facility Rating) dan Resiko Customer secara terintegrasi. Behavior Scoring Model termasuk salah satu sistem verifikasi ini.
2. Value at Risk, mencakup development sistem penghitungan estimasi PD, LGD, EAD dan VaR untuk pelaporan akuntansi dan resiko kepada otoritas keuangan.
3. Credit Risk Reporting & Monitoring, meliputi penentuan risk parameter untuk setiap skenario resiko (misalnya skenario credit bubble, economic expansion, dst), diikuti dengan pengembangan sistem reporting untuk information sharing, dan performance monitoring/ evaluation. Khusus risk monitoring, selain mencakup system juga terutama mencakup culture development (belief, value dan behavior, seperti risk meeting, risk based authority, dll).
4. Credit Risk Decision Making. Informasi tentang kondisi kredit dari sisi resiko adalah penting, namun yang lebih penting lagi adalah strategi (rencana) dan tindakan. Sistem yang perlu dikembangkan meliputi activity management system, sistem estimasi Risk- adjusted Return on Capital, Risk-based Portfolio dan Risk-based Pricing. Selain price of money, sesungguhnya diperlukan adjustment atas proses termasuk di dalamnya penilaian kembali target segment, namun menjembatani Marketing Analytics dengan Mathematical Finance atau Credit Analytics masih merupakan new frontier bahkan bagi dunia perbankan.
5. Proses kredit dan data capturing. Development item di atas relatif canggih dan baru, namun semuanya tergantung dari seberapa canggih proses kredit, yaitu seberapa sederhana, dan efisien tanpa mengorbankan resiko. Karena birokrasi loan engagement, bahkan Bill Gates berkata “Banking is necessary – banks are not.”; ini meng-isyaratkan perlunya perubahan sistem data capture, data integration (termasuk integrasi dengan Credit Bureau), data warehousing, dan LOS (Loan Origination System)
6. Credit policy. Banyak yang berpikir bahwa modeling akan membuat policy obsolete. Kenyataannya banyak hal yang tidak bisa dimodelkan terutama karena cakupan data. Dari seluruh market, perusahaan memilih segment tertentu saja. Dengan demikian model diperoleh setelah pemilihan target segment dan hanya valid untuk kondisi ceteris paribus yang biasanya kualitatif sehingga tidak pernah diulas dalam model: team sales, appraisal, dan collection yang tertentu. Development item pada domain credit policy mencakup sistem decision workflow, dan document management.

Lihat juga:
Workstream Automation - Corporate Credit Approval and Administration Suite (CCAA) : http://workstreamautomation.com/workstream-products/predefined-business-processes/workstream-corporate-credit-approval-and-administration-suite-ccaa

Mending Lending: Trends & Best Practices to Improve Loan Processing : http://www.slideshare.net/OpenTextBPS/mending-lending-trends-best-practices-to-improve-loan-processing

Mending Lending: Trends & Best Practices to Improve Loan Processing from OpenText BPS