9

PENILAIAN KREDIT DAN MANAJEMEN RISIKO

KREDIT RITEL1

Bab ini membahas risiko kredit dalam perbankan ritel, sebuah

industri yang famil-iar untuk hampir semua orang di tingkat
tertentu. Setelah dilihat sebagai tidak menarik dibandingkan
dengan pinjaman tiket besar perbankan korporasi dan
perdagangan, perbankan ritel telah berubah selama beberapa
tahun terakhir oleh inovasi dalam produk, pemasaran, dan
manajemen risiko.
Perbankan ritel telah terbukti sangat penting bagi industri keuangan di tahun-tahun pascamilenium.
Di sisi positif, bisnis ritel memberikan pertumbuhan, pendapatan yang relatif stabil di tahun-tahun awal
milenium. Namun, pinjaman subprime yang tidak terkontrol dengan baik di pasar hipotek AS
menyediakan bahan bakar untuk kegagalan bencana industri sekuritisasi AS menjelang krisis keuangan
2007-2009 — topik yang kami bahas secara rinci di Bab 12.

Dalam bab ini, pertama-tama kita akan melihat sifat yang berbeda dari risiko kredit ritel dan risiko
kredit komersial, termasuk "sisi gelap" risiko dalam bisnis kredit ritel. Kemudian kita akan melihat lebih
detail pada proses penilaian kredit. Penilaian kredit sekarang merupakan teknik yang tersebar luas, tidak
hanya di perbankan tetapi juga di banyak sektor lain di mana ada kebutuhan untuk memeriksa status
kredit pelanggan (misalnya, perusahaan telepon) atau memperkirakan kemungkinan klien akan
mengajukan klaim (misalnya, perusahaan asuransi).
1Kami mengakui kepenulisan bersama Rob Jameson untuk bagian-bagian dari bab ini.

305

Perbankan ritel, sebagaimana didefinisikan dalam Kotak 9-1, melayani usaha kecil dan konsumen
dan mencakup bisnis menerima simpanan konsumen serta bisnis pinjaman konsumen utama.

1. Hipotek rumah. Hipotek suku bunga tetap dan hipotek suku bunga yang dapat disesuaikan
(ARM) dijamin oleh properti residensial yang dibiayai oleh pinjaman. Rasio pinjaman terhadap
nilai (LTV) mewakili proporsi nilai properti yang dibiayai oleh pinjaman dan merupakan variabel
risiko utama.
2. Pinjaman ekuitas rumah. Kadang-kadang disebut pinjaman jalur kredit ekuitas rumah (HELOC),
ini dapat dianggap sebagai hibrida antara pinjaman konsumen dan pinjaman hipotek. Mereka
diamankan oleh properti perumahan.
3. Pinjaman angsuran. Ini termasuk pinjaman bergulir, seperti jalur kredit pribadi yang dapat
digunakan berulang kali hingga batas yang ditentukan. Mereka juga termasuk kartu kredit, mobil
dan pinjaman serupa, dan semua pinjaman lainnya

KOTAK 9-1 DEFINISI BASEL TENTANG EKSPOSUR RITEL

Komite Basel, badan pengatur internasional industri perbankan, mendefinisikan eksposur ritel sebagai
portofolio homogen yang terdiri dari:

1. Sejumlah besar pinjaman kecil dan bernilai rendah

2. Dengan fokus konsumen atau bisnis
3. Di mana risiko tambahan dari setiap paparan tunggal kecil Contohnya adalah:
4. Kartu kredit
5. Pinjaman angsuran (misalnya, keuangan pribadi, pinjaman pendidikan, pinjaman mobil,
leasing)
6. Kredit bergulir (misalnya, cerukan, jalur kredit ekuitas rumah)
7. Hipotek perumahan
 Pinjaman usaha kecil dapat dikelola sebagai eksposur ritel, asalkan total eksposur ke peminjam
usaha kecil kurang dari 1 juta euro.

Tidak termasuk dalam kredit kendaraan bermotor dan kredit bergulir. Hal-hal seperti properti perumahan,
properti pribadi, atau aset keuangan biasanya mengamankan pinjaman angsuran biasa.

4. Pinjaman bergulir kartu kredit. Ini adalah pinjaman tanpa jaminan.

5. Kredit usaha kecil (SBL). Ini dijamin oleh aset bisnis atau dengan jaminan pribadi pemilik.
Pinjaman bisnis hingga

$ 100.000 hingga $ 200.000 biasanya dianggap sebagai bagian dari portofolio ritel.

Sifat Risiko Kredit Ritel

Risiko kredit yang dihasilkan oleh perbankan ritel signifikan, tetapi secara tradisional dianggap memiliki
dinamika yang berbeda dari risiko kredit bisnis perbankan komersial dan investasi. Fitur yang
menentukan dari pameran kredit ritel adalah bahwa mereka tiba dalam potongan-potongan kecil, sehingga
default oleh satu pelanggan tidak pernah cukup mahal untuk mengancam bank. Portofolio kredit
korporasi dan komersial, sebaliknya, sering mengandung eksposur besar terhadap nama tunggal dan juga
konsentrasi eksposur terhadap korporasi yang secara ekonomi terjalin di wilayah geografis atau sektor
industri tertentu.

Kecenderungan portofolio kredit ritel untuk berperilaku seperti portofolio yang terdiversifikasi
dengan baik di pasar normal membuatnya lebih mudah untuk memperkirakan persentase portofolio yang
"diharapkan" bank untuk gagal bayar di masa depan dan kerugian yang mungkin ditimbulkannya. Jumlah
kerugian yang diharapkan ini kemudian dapat diperlakukan seperti biaya lain dalam melakukan bisnis,
seperti biaya pemeliharaan cabang atau memproses cek. Prediktabilitas relatif kerugian kredit ritel berarti
bahwa tingkat kerugian yang diharapkan dapat dibangun ke dalam harga yang dibebankan kepada
pelanggan. Sebaliknya, risiko kerugian dari banyak portofolio kredit komersial didominasi oleh risiko
bahwa kerugian kredit akan naik ke tingkat yang tidak terduga.

Tentu saja, perbedaan antara pinjaman ritel dan korporasi ini dapat dilebih-lebihkan, dan kadang-
kadang diversifikasi dapat terbukti menjadi teman yang berubah-ubah. Krisis keuangan 2007-2009
menunjukkan bahwa, pada akhir ledakan kredit yang panjang, harga perumahan bisa jatuh pada waktu
yang hampir bersamaan bahkan di seluruh ekonomi besar seperti Amerika Serikat. Diversifikasi ternyata
menawarkan perlindungan yang kurang efektif terhadap portofolio besar risiko hipotek, meskipun tingkat
penurunan harga rumah sangat bervariasi dari satu wilayah ke wilayah lainnya. Demikian juga, perubahan
sistematis dalam perilaku dalam industri pinjaman konsumen — misalnya, memajukan uang ke
Konsumen tanpa memeriksa pendapatan mereka — dapat memperkenalkan risiko sistematis tersembunyi
ke dalam portofolio kredit, dan bahkan seluruh industri kredit. Jika terjadi masalah ekonomi, hal ini dapat
menyebabkan penurunan mendadak ke atas dalam tingkat default dan penurunan tak terduga dalam aset
utama dan nilai jaminan (misalnya, harga rumah). Ini adalah "sisi gelap" dari risiko kredit ritel, dijelaskan
dalam Kotak 9-2, dan memainkan peran penting dalam memicu krisis 2007-2009.

KOTAK 9-2 APAKAH RISIKO KREDIT RITEL MEMILIKI SISI GELAP?

Dalam teks utama, kami terutama berurusan dengan bagaimana penilaian kredit membantu menempatkan
angka ke tingkat risiko kredit yang diharapkan dalam transaksi ritel. Tetapi ada sisi gelap dari kredit ritel
juga. Ini adalah bahaya bahwa kerugian tiba-tiba akan naik ke tingkat yang tidak terduga karena beberapa
faktor risiko yang tidak terduga tetapi sistematis yang mempengaruhi perilaku banyak kredit dalam
portofolio ritel bank.

Sisi gelap manajemen risiko ritel memiliki empat penyebab utama:

1. Tidak semua produk kredit ritel inovatif dapat dikaitkan dengan data kerugian historis
yang cukup untuk membuat penilaian risiko mereka dapat diandalkan.
2. Bahkan produk kredit ritel yang dipahami dengan baik mungkin mulai berperilaku
dengan cara yang tidak terduga di bawah pengaruh perubahan tajam dalam lingkungan
ekonomi, terutama jika semua faktor risiko memburuk pada saat yang sama (yang
disebut skenario badai sempurna). Misalnya, dalam industri hipotek, satu kekhawatiran
yang selalu ada adalah bahwa resesi yang dalam dikombinasikan dengan suku bunga
yang lebih tinggi dapat menyebabkan kenaikan default hipotek pada saat yang sama
bahwa harga rumah, dan karena itu nilai jaminan, turun sangat tajam.
3. Kecenderungan konsumen untuk gagal bayar (atau tidak) adalah produk dari sistem
sosial dan hukum yang rumit yang terus berubah. Misalnya, penerimaan sosial dan
hukum kebangkrutan pribadi, terutama di Amerika Serikat, adalah salah satu faktor yang
tampaknya mempengaruhi tren peningkatan default pribadi selama tahun 1990-an.
4. Setiap masalah operasional yang mempengaruhi penilaian kredit pelanggan dapat
memiliki efek sistematis pada seluruh portofolio konsumen. Karena kredit konsumen
dijalankan sebagai proses pengambilan keputusan semi-otomatis
 Namun, akan menjadi kesalahan untuk berpikir bahwa potensi kecelakaan semacam ini menjadi
jelas hanya setelah krisis 2007-2009: Kotak 9-2 direproduksi kata demi kata dari edisi pra-krisis 2006
buku ini. Dalam edisi yang sama, kami menyertakan kotak pinjaman subprime di Amerika Serikat yang
menunjukkan bahwa subprime adalah:

. . . bisnis yang berisiko bagi bank yang tidak waspada. Jika pelanggan subprime ternyata jauh lebih rentan
terhadap default daripada yang dihitung bank, atau jika perilaku mereka berubah sebagai bagian dari tren sosial,
maka biaya terkait dapat memotong bahkan margin bunga gemuk dan biaya yang terkait dengan sektor ini.
Pinjaman subprime adalah sektor baru bagi sebagian besar bank ritel. Itu berarti bahwa bank tidak memiliki data
historis untuk memprediksi tingkat default pelanggan subprime mereka dengan andal. 2

2Esensi Manajemen Risiko,

2006, hlm. 216. Sementara kami juga membahas sejauh mana arbitrase peraturan memotivasi sekuritisasi
portofolio konsumen (hal. 226) dan menyebutkan masalah menilai tahapan residual berisiko dari sekuritisasi (hal. 227).
Rapuhnya sekuritisasi peringkat AAA menjadi ancaman luar biasa bagi stabilitas sistem keuangan. Kami menyimpulkan diskusi
kami tentang transfer risiko konsumen (hal. 227) dengan peringatan eksplisit: "Bank perlu berhati-hati terhadap efek [strategi
sekuritisasi] terhadap likuiditas. Dapatkah bank yakin bahwa opsi pendanaan melalui sekuritisasi akan tetap terbuka jika keadaan
berubah (seperti penurunan peringkat kredit lembaga)?"

Sejak krisis, berbagai reformasi dan peraturan industri, seperti Biro Perlindungan Keuangan
Konsumen (CFPB) telah berevolusi dari Dodd-Frank Act (DFA) untuk membantu menangani sisi gelap
risiko kredit ritel. Misalnya, CFPA mengharuskan pencetus kredit untuk menentukan apakah konsumen
memiliki kemampuan untuk membayar hipotek. Jika hipotek diberi label "hipotek berkualitas" (QM),
maka kreditor dapat menganggap peminjam telah memenuhi persyaratan ini. CFPA juga
memperkenalkan pertimbangan "kemampuan untuk membayar" yang meminta pemberi pinjaman untuk
mempertimbangkan standar penjaminan emisi (Kotak 9-3).

KOTAK 9-3 HIPOTEK YANG BERKUALITAS DAN KEMAMPUAN UNTUK MEMBAYAR KEMBALI
Fitur "hipotek yang memenuhi syarat" meliputi:

5. Tidak ada kelebihan poin dan biaya di muka

6. Tidak ada fitur pinjaman beracun (misalnya, pinjaman amortisasi negatif, persyaratan

>30 tahun, pinjaman hanya bunga untuk jangka waktu tertentu)

7. Batas jumlah pendapatan yang dapat digunakan untuk utang (misalnya, utang terhadap
pendapatan (DTI) < 43%)1
8. Tidak ada pinjaman dengan pembayaran balon

"Kemampuan untuk membayar" meminta pemberi pinjaman untuk mempertimbangkan delapan standar
underwriting:

9. Status pemberi kerja saat ini

10. Pendapatan atau aset saat ini
11. Sejarah kredit
12. Pembayaran bulanan untuk hipotek
13. Pembayaran bulanan untuk pinjaman lain yang terkait dengan properti
14. Pembayaran bulanan atas kewajiban terkait hipotek (seperti pajak properti)
15. Kewajiban utang lainnya
16. Rasio DTI bulanan (atau sisa pendapatan) yang akan diambil peminjam dengan hipotek

1DTI = Total hutang bulanan dibagi dengan total pendapatan kotor bulanan.

Fitur yang lebih jinak dari banyak portofolio ritel adalah bahwa kenaikan default sering ditandai
sebelumnya oleh perubahan perilaku pelanggan — misalnya, penyesuai yang berada di bawah tekanan
keuangan mungkin gagal melakukan pengembalian minimum pada akun kartu kredit. Sinyal peringatan
seperti ini dipantau secara hati-hati oleh bank ritel yang dikelola dengan baik (dan regulator mereka)
karena mereka memungkinkan bank untuk mengambil tindakan preemptive untuk mengurangi risiko
kredit. Bank dapat:

6. Ubah aturan yang mengatur jumlah uang yang dipinjamkan kepada pelanggan yang ada untuk
mengurangi eksposurnya.
7. Ubah strategi pemasaran dan aturan penerimaan pelanggan untuk menarik pelanggan yang
kurang berisiko.
 8. Harga dalam risiko dengan menaikkan suku bunga untuk jenis pelanggan tertentu untuk
memperhitungkan kemungkinan default yang lebih tinggi.

Sebaliknya, portofolio kredit komersial adalah sesuatu dari supertanker. Pada saat jelas bahwa ada sesuatu
yang salah, seringkali sudah terlambat untuk berbuat banyak tentang hal itu.

Tentu saja, sinyal peringatan yang terkadang terlihat di pasar kredit konsumen tidak selalu
diperhatikan. Terlalu sering, bank ritel tergoda untuk mengabaikan tanda-tanda peringatan dini karena
mereka akan mengarahkan bank menjauh dari lini bisnis yang tumbuh cepat dan tampaknya
menguntungkan. Sebaliknya, bank bersaing untuk volume bisnis yang lebih besar dengan menurunkan
standar: industri subprime mortgage AS menjelang krisis 2007-2009 memberikan contoh dramatis tentang
hal ini (Kotak 9-4).

Banyak pinjaman hipotek subprime yang ditanggung selama ini memiliki banyak kelemahan:
peminjam yang kurang layak kredit, rasio pinjaman terhadap nilai kumulatif yang tinggi, dan verifikasi
pendapatan peminjam yang terbatas atau tidak sama sekali.

Beberapa pinjaman mengambil bentuk hibrida dari 2/28 atau 3/27 adjustable rate mortgages
(ARMs). Artinya, mereka menawarkan tarif "penggoda" rendah tetap untuk dua atau tiga tahun pertama
dan tarif yang dapat disesuaikan setelahnya. Lonjakan suku bunga ini menyiratkan berarti hipotek
dirancang untuk dibiayai kembali — hanya mungkin dengan asumsi kenaikan nilai jaminan (yaitu,
kenaikan harga rumah) — atau berisiko jatuh ke dalam default. Karena banyak dari hipotek ini ditetapkan
sekitar waktu yang sama, pemberi pinjaman secara tidak sengaja menciptakan lingkungan yang akan
mengarah pada gelombang sistemik baik refinancing atau default.

Selain itu, perilaku konsumen sehubungan dengan gagal bayar utang hipotek berubah dengan cara
yang tidak diantisipasi oleh bank (atau lembaga pemeringkat).

Ketika krisis subprime pecah pada tahun 2007, banyak komentator menyebutnya sebagai "badai
sempurna" karena segala sesuatu yang mungkin tampak salah. Tapi itu adalah badai sempurna yang,
sebagian besar, diciptakan oleh industri perbankan itu sendiri.
 Regulator menerima gagasan bahwa risiko kredit ritel relatif dapat diprediksi, dan juga bahwa
pinjaman hipotek lebih aman karena aset real estat tertentu yang mendukung pinjaman. Akibatnya, bank
ritel diminta untuk menyisihkan sejumlah kecil modal risiko di bawah Basel II dan III dibandingkan
dengan modal peraturan untuk pinjaman korporasi. Tetapi bank harus menyediakan regulator dengan
probabilitas default (PD), loss given default (LGD), dan eksposur pada statis default (EAD) untuk segmen
portofolio mereka yang dibedakan dengan jelas. Regulator mengatakan bahwa segmentasi harus
didasarkan pada skor kredit atau ukuran yang setara dan pada eksposur vintage — yaitu, waktu transaksi
telah ada di pembukuan bank.

Risiko kredit bukan satu-satunya risiko yang dihadapi oleh perbankan ritel, seperti yang dijelaskan
Kotak 9-5, tetapi ini adalah risiko keuangan utama di sebagian besar lini bisnis ritel. Sekarang kita akan
melihat dari dekat alat utama untuk mengukur risiko kredit ritel: penilaian kredit.

KOTAK 9–5 RISIKO LAIN DARI PERBANKAN RITEL

Dalam teks utama, kami fokus pada risiko kredit sebagai risiko utama bisnis kredit ritel. Tetapi sama
seperti dalam perbankan komersial, perbankan ritel tunduk pada berbagai macam risiko pasar,
operasional, bisnis, dan reputasi.

1. Risiko suku bunga dihasilkan di sisi aset dan kewajiban setiap kali bank menawarkan
suku bunga tertentu kepada peminjam dan deposan. Risiko ini umumnya ditransfer dari
jalur bisnis ritel ke kas bank ritel, di mana ia dikelola sebagai bagian dari aset / liabilitas
bank dan manajemen risiko likuiditas (lihat Bab 8).
2. Risiko penilaian aset sebenarnya adalah bentuk khusus dari risiko pasar, di mana
profitabilitas lini bisnis ritel bergantung pada penilaian akurat dari aset, kewajiban, atau
kelas jaminan tertentu. Yang paling penting adalah risiko pembayaran di muka dalam
bank hipotek, yang menggambarkan risiko bahwa portofolio hipotek mungkin
kehilangan nilainya ketika suku bunga turun karena konsumen berniat melakukan
remortgaging membayar hipotek mereka yang ada secara tak terduga dengan cepat,
menghapus nilainya. Penilaian dan lindung nilai aset ritel yang tunduk pada risiko
pembayaran di muka sangat kompleks karena bergantung pada asumsi tentang perilaku
pelanggan yang sulit divalidasi. Contoh lain dari risiko penilaian adalah estimasi nilai
residu mobil di lini bisnis penyewaan mobil. Di mana risiko semacam ini diakui secara
eksplisit, ia cenderung dikelola secara terpusat oleh unit treasury bank ritel.
3. Risiko operasional dalam perbankan ritel umumnya dikelola sebagai bagian
dari bisnis di mana mereka muncul. Misalnya, penipuan oleh custom-ers dipantau secara ketat dan proses
baru, seperti mekanisme deteksi penipuan, diberlakukan ketika mereka dibenarkan secara ekonomi. Di
bawah Basel II dan III, bank mengalokasikan modal regulasi terhadap risiko operasional baik di
perbankan ritel maupun grosir. Subdisiplin manajemen risiko operasional ritel muncul yang
menggunakan banyak konsep yang sama dengan risiko operasional bank di tingkat perusahaan (lihat Bab
14).

Penilaian Kredit: Biaya, Konsistensi, dan Keputusan Kredit yang Lebih Baik
Setiap kali Anda mengajukan permohonan kartu kredit, membuka rekening dengan perusahaan telepon,
mengajukan klaim medis, atau mengajukan permohonan asuransi mobil, hampir pasti bahwa model
penilaian kredit — atau, lebih tepatnya, model penilaian risiko kredit — berdetak jauh di belakang layar.
3

Model ini menggunakan prosedur statistik untuk mengubah informasi tentang pemohon kredit atau
pemegang akun yang ada menjadi angka yang kemudian digabungkan (biasanya ditambahkan) untuk
membentuk skor. Skor ini kemudian dianggap sebagai indikator risiko kredit individu yang bersangkutan
— yaitu, probabilitas pembayaran kembali. Semakin tinggi skornya, semakin rendah risikonya.

Penilaian kredit penting karena memungkinkan bank untuk menghindari pelanggan yang paling
berisiko. Ini juga dapat membantu mereka menilai apakah jenis bisnis tertentu cenderung menguntungkan
dengan membandingkan margin keuntungan yang tersisa

3Referensi umum yang baik untuk penilaian kredit termasuk Edward M. Lewis ,
Pengantar Penilaian Kredit (San Raphael, CA: Fair Isaac Corporation,
1992); L. C. Thomas, J. N. Crook, dan D. B. Edelman, eds., Credit Scoring and Credit Control (Oxford: Oxford University Press,
1992); dan

V. Srinivasan dan YH Kim, "Credit Granting: A Comparative Analysis of Classification Pro-cedures," Journal of Finance 42,
1987, hlm. 665–683. Referensi yang lebih baru termasuk E. Mays dan Niall Lynas, Credit Scoring for Risk Managers:
The Handbook for Lenders, 2011, dan N. Siddiqi, Credit Risk Scorecards: Mengembangkan dan Menerapkan Penilaian
Kredit Cerdas, Wiley, 2005.
setelah biaya operasional dan perkiraan default dikurangi dari pendapatan kotor.

Tetapi penilaian kredit juga penting karena alasan biaya dan konsistensi. Bank-bank besar biasanya
memiliki jutaan pelanggan dan melakukan miliaran transaksi setiap tahun. Dengan menggunakan model
credit scoring, bank dapat mengotomatisasi sebanyak mungkin proses ajudikasi untuk kredit kecil dan
kartu kredit. Sebelum penilaian kredit diadopsi secara luas, petugas kredit harus meninjau aplikasi kredit
dan menggunakan kombinasi pengalaman, pengetahuan industri, dan pengetahuan pribadi untuk
mencapai keputusan kredit berdasarkan sejumlah besar informasi dalam aplikasi kredit biasa. Setiap
aplikasi biasanya berisi sekitar 50 bit informasi, meskipun beberapa aplikasi mungkin meminta sebanyak
150 item. Jumlah kombinasi informasi yang mungkin mengejutkan, dan, sebagai hasilnya, hampir tidak
mungkin bagi seorang analis manusia untuk memperlakukan keputusan kredit dengan cara yang identik
dari waktu ke waktu.

Sebaliknya, kartu skor risiko kredit secara konsisten menimbang dan memperlakukan item informasi
yang mereka ekstrak dari aplikasi dan / atau laporan biro kredit. Industri kredit menyebut karakteristik
item ini, dan mereka sesuai dengan pertanyaan pada aplikasi kredit atau entri dalam laporan biro kredit.
Jawaban yang diberikan untuk pertanyaan dalam aplikasi atau entri laporan biro kredit dikenal sebagai
atribut. Misalnya, "empat tahun" adalah atribut dari karakteristik "waktu di alamat." Demikian pula,
"sewa" adalah atribut dari "status tempat tinggal" yang bersifat karakteristik.

Model penilaian kredit menilai tidak hanya apakah suatu atribut positif atau negatif tetapi juga
seberapa banyak. Pembobotan nilai yang terkait dengan setiap jawaban (atau atribut) diperoleh dengan
menggunakan teknik statistik yang melihat peluang pembayaran berdasarkan kinerja masa lalu.
("Peluang" adalah istilah yang digunakan industri perbankan ritel untuk berarti "probabilitas.") Peluang
populasi didefinisikan sebagai rasio probabilitas peristiwa yang baik terhadap probabilitas peristiwa buruk
dalam populasi. Misalnya, seorang pelamar yang diambil secara acak dari populasi dengan peluang 15: 1
memiliki probabilitas 1 banding 16 — yaitu, 6,25 persen — menjadi pelanggan yang buruk (yang kami
maksud tunggakan atau subjek charge-off).

Teknik statistik yang digunakan untuk menimbang informasi dalam laporan kredit termasuk regresi
linier atau logistik, pemrograman matematika atau pohon klasifikasi, jaring saraf, dan algoritma genetika
(dengan regresi logistik menjadi yang paling umum).

Gambar 9-1 menunjukkan seperti apa tabel penilaian kredit — dalam hal ini, yang digunakan untuk
membedakan antara aplikasi kredit.
GAMBAR 9-1 Contoh Tabel Penilaian Aplikasi

Tahun Kurang dari 6 6 bulan hingga 1 1 thn 7 bulan 6 thn 9 bulan 10 thn 6 bulan
bekerja bulan tahun untuk untuk atau lebih

5 6 bulan 6 thn 8 bulan 10 thn 5 bulan yg 39

yg lalu lalu
14
20 27

Memiliki Memiliki atau Sewa Semua yang

atau membeli lain
menyewa

19
40 26

Perbankan Rekening Rekening Rekening giro Tidak

tabungan dan tabungan
22
31

0
17

Kartu Ya Tidak
kredit
utama

27 11

Kerja Pensiun Profesional Klerikal Penjualan Dinas Semua

yang lain

41 36 27 18 12
27

Usia 18–25 26–31 32–34 35–51 52–61 62 dan

pemohon lebih

19 14 22 26 34
40

Referensi Menghina Menghina kecil Tidak ada Satu memuaskan Dua atau lebih Tidak ada
kredit besar catatan memuaskan investigasi
terburuk
–15 18 0

–4 9
–2

Sumber: Lewis, 1992, hlm. xv.

Model penilaian kredit seperti apa yang ada?

Untuk tujuan penilaian aplikasi kredit konsumen, sebenarnya ada tiga jenis model:

1. Skor biro kredit. Ini sering dikenal sebagai skor FICO, karena metodologi untuk
memproduksinya dikembangkan oleh Fair Isaac Corpora- tion (pemimpin dalam analisis
risiko kredit untuk bisnis ritel). Di Amerika Serikat dan Kanada, skor biro juga
dipertahankan dan dipasok oleh perusahaan seperti Equifax dan TransUnion. Dari sudut
 pandang bank, skor kredit generik semacam ini memiliki biaya rendah, cepat dipasang,
dan menawarkan gambaran luas tentang kelayakan kredit pemohon secara keseluruhan
(terlepas dari jenis kredit yang diajukan pemohon). Misalnya, skor risiko biro kredit Fair
Isaac dapat disesuaikan dengan preferensi lembaga keuangan (biasanya berkisar antara
300 hingga 850; pinjaman sub-prime biasanya menargetkan pelanggan dengan skor di
bawah 660).
2. Model gabungan. Model-model ini dibangun oleh vendor luar, seperti Fair Isaac,
menggunakan data yang dikumpulkan dari berbagai pemberi pinjaman dengan
portofolio kredit serupa. Misalnya, model gabungan kredit bergulir mungkin

dikembangkan dari data kartu kredit yang dikumpulkan dari beberapa bank. Model gabungan harganya
lebih mahal daripada skor umum, tetapi tidak sebanyak model kustom. Mereka dapat disesuaikan dengan
industri, tetapi mereka tidak spesifik perusahaan.

3. Model khusus. Model-model ini biasanya dikembangkan sendiri menggunakan data

yang dikumpulkan dari populasi unik pemberi pinjaman sendiri dari aplikasi kredit.
Mereka disesuaikan untuk menyaring profil pemohon tertentu untuk produk pemberi
pinjaman tertentu. Model khusus telah memungkinkan beberapa bank untuk menjadi
ahli dalam segmen kredit tertentu, seperti kartu kredit dan hipotek. Mereka dapat
memberi bank keunggulan kompetitif yang kuat dalam memilih pelanggan terbaik dan
menawarkan harga terbaik yang disesuaikan dengan risiko.

Mari kita lihat lebih dekat informasi umum yang ditawarkan oleh biro kredit. Data biro kredit terdiri
dari banyak "file kredit" untuk setiap individu yang memiliki riwayat kredit. Setiap file kredit berisi lima
jenis informasi utama:

4. Mengidentifikasi informasi. Ini adalah informasi pribadi; itu bukan informasi kredit
consid-ered seperti itu dan tidak digunakan dalam model penilaian. Aturan yang
mengatur sifat informasi identifikasi yang dapat dikumpulkan ditetapkan oleh yurisdiksi
lokal. Di Amerika Serikat, misalnya, U.S. Equal Opportunity Acts melarang penggunaan
informasi seperti jenis kelamin, ras, atau agama dalam model penilaian kredit.
5. Catatan publik (item hukum). Informasi ini berasal dari catatan pengadilan sipil dan
termasuk kebangkrutan, putusan, dan hak gadai pajak.
6. Informasi pengumpulan. Ini dilaporkan oleh agen penagihan utang atau oleh entitas
yang memberikan kredit.
7. Informasi jalur perdagangan/akun. Ini disusun dari data "piutang" bulanan yang dikirim
pemberi kredit ke biro kredit. Kaset berisi laporan akun baru serta pembaruan informasi
akun yang ada.
 8. Pertanyaan. Setiap kali file kredit diakses, pertanyaan harus ditempatkan pada file.
Pemberi kredit hanya melihat pertanyaan yang diajukan untuk perpanjangan kredit
baru.

Beberapa biro kredit, seperti Equifax, memungkinkan individu untuk mendapatkan skor mereka
sendiri, bersama dengan penjelasan tentang bagaimana meningkatkan skor mereka saat ini (dan analisis
bagaimana-jika, seperti dampak pada skor mengurangi saldo pada kartu kredit pelanggan).

Skor biro dapat digunakan untuk mendapatkan skor kredit yang lebih mencakup semua, dengan
mempertimbangkan serangkaian variabel kunci termasuk pinjaman-ke-nilai dan kualitas dokumentasi
pinjaman. Misalnya:

Skor Risiko = f (Jenis Doc, Jenis Transaksi, FICO, LTV, DTI, Jenis Occup, Jenis Prop, Pmt, Siklus
Ekonomi)

Kotak 9-6 memberikan definisi variabel kunci yang membutuhkan lebih banyak ledakan. Salah satu
masalah menjelang krisis keuangan 2007-2009 adalah bahwa beberapa pencetus terlalu bergantung pada
skor kredit biro dan tidak memperhitungkan dengan tepat set variabel risiko yang lebih luas.

KOTAK 9-6 DEFINISI BEBERAPA VARIABEL KUNCI DALAM PENILAIAN KREDIT HIPOTEK

1.Jenis dokumentasi (doc):

1. Dokumen lengkap: Pinjaman hipotek yang membutuhkan bukti
pendapatan dan aset. Rasio utang terhadap pendapatan dihitung.
2. Pendapatan yang dinyatakan: Pinjaman hipotek khusus di mana
pemberi pinjaman mort-gage memverifikasi pekerjaan tetapi bukan
pendapatan.
3. No income / No asset: Mengurangi dokumentasi hipotek yang
memungkinkan peminjam untuk menyatakan pendapatan dan aset
pada aplikasi pinjaman tanpa verifikasi oleh pemberi pinjaman; Namun,
sumber pendapatan masih diverifikasi.
4. Tidak ada rasio: Pinjaman hipotek yang mendokumentasikan pekerjaan
tetapi bukan pendapatan. Penghasilan tidak tercantum pada aplikasi,
dan tidak ada rasio utang terhadap pendapatan yang dihitung.
5. No doc: Pinjaman hipotek yang tidak memerlukan pendapatan atau
dokumen aset. Tidak ada yang dinyatakan pada aplikasi, dan bidang
untuk informasi tersebut dibiarkan kosong.
 2.FICO: Skor angka risiko default yang terkait dengan riwayat kredit peminjam.
3.DTI: Rasio utang terhadap pendapatan digunakan untuk memenuhi syarat
pembayaran hipotek dan pembayaran utang bulanan lainnya versus
pendapatan.

Setelah bertahun-tahun standar underwriting yang sangat buruk dan pinjaman yang tidak
bertanggung jawab, produk hipotek kembali ke standar yang lebih tradisional setelah krisis keuangan —
misalnya, pinjaman dokumentasi penuh, dengan peminjam diwajibkan memiliki skor kredit di atas 680,
dan uang muka yang jauh lebih besar. Industri telah beralih dari pinjaman yang menampilkan amortisasi
negatif, pendapatan yang dinyatakan, tidak ada pendapatan / tidak ada aset, tidak ada dokumentasi, atau
pembiayaan 100 persen.

Dari Skor Batas ke Tingkat Default dan Tingkat Kerugian

Pada tahap awal pengembangan model penilaian kredit industri, probabilitas default aktual yang diberikan
kepada pemohon kredit tidak banyak matter. Model dirancang untuk menempatkan pelamar dalam urutan
peringkat dalam kaitannya dengan risiko relatif mereka. Ini karena pemberi pinjaman menggunakan
model bukan untuk menghasilkan ukuran absolut probabilitas default tetapi untuk memilih skor cutoff
yang sesuai — yaitu, titik di mana pelamar diterima, berdasarkan kriteria subjektif.

Kita dapat melihat bagaimana skor cutoff bekerja jika kita melihat Gambar 9-2, yang menunjukkan
distribusi akun "baik" dan "buruk" berdasarkan skor kredit. Misalkan kita menetapkan skor minimum
yang dapat diterima pada 680 poin. Jika hanya aplikasi yang menilai nilai itu atau lebih tinggi yang
diterima, perusahaan yang menggunakan sistem penilaian akan menghindari meminjamkan uang ke tubuh
pelanggan yang buruk di sebelah kiri garis vertikal, tetapi akan melupakan tubuh yang lebih kecil dari
akun yang baik di sebelah kiri garis. Memindahkan garis skor minimum ke kanan akan memotong
sebagian besar akun buruk yang lebih tinggi tetapi melupakan sebagian besar akun baik, dan seterusnya.
Skor di mana garis skor minimum ditetapkan — skor cutoff — jelas merupakan keputusan penting bagi
bisnis dalam hal kemungkinan profitabilitas dan risiko yang diambil bank.
GAMBAR 9-2 Distribusi "Barang" dan "Buruk"

Mangkir ("Buruk")

Nonmangkir ("Barang")

300
Buruk Palsu

680

Skor Batas

Barang Palsu

800 Skor

Dengan skor cutoff, bank dapat menentukan, berdasarkan pengalaman aktualnya, tingkat kerugian
dan profitabilitas untuk produk ritel. Seiring waktu, bank dapat menyesuaikan skor cutoff untuk
mengoptimalkan margin keuntungan untuk setiap produk serta untuk mengurangi barang palsu dan buruk
palsu. Dalam perbankan ritel, tidak seperti perbankan grosir, bank memiliki banyak pelanggan, dan tidak
perlu terlalu banyak waktu untuk mengumpulkan data yang cukup untuk menilai kinerja kartu skor.
Bagaimanapun, hanya dengan menggunakan deret waktu yang lebih lama, bank dapat berharap untuk
menangkap perilaku melalui siklus ekonomi normal. Biasanya, statistik tentang tingkat kerugian dan
profitabilitas diperbarui setiap tiga bulan.

Basel Capital Accord mengharuskan bank mengelompokkan portofolio ritel mereka ke dalam
subportofolio dengan karakteristik kerugian yang serupa, terutama risiko pra-pembayaran yang serupa.
Bank harus memperkirakan PD dan LGD untuk portofolio ini. Ini dapat dicapai dengan mengelompokkan
setiap portofolio ritel berdasarkan pita skor, dengan setiap pita skor sesuai dengan tingkat risiko. Untuk
setiap rentang skor, bank dapat memperkirakan tingkat kerugian menggunakan data historis; kemudian,
dengan perkiraan LGD, bank dapat menyimpulkan PD tersirat. Misalnya, jika tingkat kerugian historis
aktual adalah 2 persen dengan LGD 50 persen, maka PD tersirat adalah 4 persen. Bank harus mengadopsi
kebijakan manajemen risiko serupa sehubungan dengan semua peminjam dan transaksi di segmen
tertentu. Kebijakan ini harus mencakup
Penjaminan emisi dan penataan pinjaman, alokasi modal ekonomi, penetapan harga dan ketentuan lain
dari perjanjian pinjaman, pemantauan, dan pelaporan internal.

Mengukur dan Memantau Kinerja Kartu Skor

Tujuan penilaian kredit adalah untuk memprediksi aplikasi mana yang akan terbukti menjadi risiko baik
atau buruk di masa depan. Untuk melakukan ini, scorecard harus dapat membedakan antara keduanya
dengan menetapkan skor tinggi untuk kredit yang baik dan skor rendah untuk yang buruk. Tujuan dari
scorecard, oleh karena itu, adalah untuk meminimalkan area tumpang tindih dari distribusi kredit baik dan
buruk, seperti yang kita lihat pada Gambar 9-2.

Hal ini menyebabkan sejumlah masalah praktis yang menarik bagi manajer risiko. Bagaimana kita
bisa mengukur kinerja kartu skor? Bagaimana kita tahu kapan harus menyesuaikan dan membangun
kembali kartu skor atau mengubah kebijakan operasi?

Teknik validasi yang secara tradisional digunakan adalah profil accuracy kumulatif (CAP) dan
statistik ringkasannya, rasio akurasi (AR), diilustrasikan pada Gambar 9-3. Pada sumbu horizontal adalah
populasi yang diurutkan berdasarkan skor dari skor risiko tertinggi ke skor risiko terendah. Pada sumbu
vertikal adalah default aktual dalam persentase yang diambil dari catatan bank. Misalnya, asumsikan
bahwa model penilaian memprediksi bahwa 10 persen akun akan default dalam 12 bulan ke depan. Jika
model kami sempurna, jumlah akun aktual yang default selama periode waktu tersebut akan sesuai
dengan desil pertama distribusi skor — garis model sempurna dalam gambar. Sebaliknya, garis 45 derajat
sesuai dengan model acak yang tidak dapat membedakan antara pelanggan yang baik dan buruk.

Jelas, bank berharap bahwa hasil model penilaiannya relatif dekat dengan garis model yang
sempurna. Area di bawah model sempurna dilambangkan AP, sedangkan area di bawah model peringkat
aktual dilambangkan AR. Rasio akurasinya adalah AR = AR / AP, dan semakin dekat rasio ini dengan 1,
semakin akurat modelnya.

Kinerja model penilaian dapat dipantau — katakanlah, setiap quarter — dengan menggunakan kurva
CAP, dan model diganti ketika kinerjanya memburuk. Kinerja sistem penilaian cenderung tidak berubah
secara tiba-tiba, tetapi dapat memburuk karena beberapa alasan: karakteristik populasi yang mendasarinya
dapat berubah seiring waktu, dan / atau perilaku populasi dapat berkembang sehingga dapat mengubah
variabel yang terkait dengan kemungkinan default yang tinggi.

Alasan lain untuk mengganti model penilaian adalah bahwa bank telah mengubah sifat produk yang
ditawarkannya kepada pelanggan. Jika lembaga keuangan

GAMBAR 9-3 Profil Akurasi Kumulatif (CAP) dan Rasio Akurasi (AR)
Model Sempurna (tingkat default 10%) 100%

Model Peringkat Aktual (% default kumulatif)

0%

0% 10%

90%
100%

Populasi Pelanggan Diurutkan Berdasarkan Skor

Risiko Tinggi Risiko Rendah

AR = AR
AP

Yang menawarkan pinjaman otomatis memutuskan untuk menjual bisnis ini dan mengeluarkan kartu
kredit sebagai gantinya, sangat mungkin bahwa populasi pelanggan target akan cukup berbeda untuk
membenarkan pengembangan kartu skor khusus baru.

Dari Risiko Default ke Nilai Pelanggan

Seiring berkembangnya teknologi kartu skor, bank telah berkembang dari aplikasi penilaian pada satu
titik waktu menjadi "penilaian perilaku" berkala. Di sini bank menggunakan informasi tentang perilaku
pelanggan saat ini, seperti penggunaan batas kredit dan informasi demografis sosial, untuk menentukan
risiko gagal bayar selama periode waktu tertentu. Pendekatan ini mirip dengan penilaian aplikasi, tetapi
menggunakan lebih banyak variabel yang menggambarkan kinerja pelanggan di masa lalu.

Pemodelan risiko semacam ini tidak lagi terbatas pada estimasi default. Beberapa waktu lalu,
pemberi pinjaman mulai beralih dari sekadar menilai risiko gagal bayar menjadi

membuat penilaian yang lebih halus yang secara langsung terkait dengan nilai custom-ers ke bank.
Teknik penilaian kredit telah diterapkan ke bidang-bidang baru, seperti kartu skor respons yang
memprediksi apakah konsumen cenderung menanggapi penawaran pemasaran langsung, kartu skor
penggunaan yang memprediksi seberapa besar kemungkinan pelanggan akan menggunakan produk
kredit, dan kartu skor gesekan yang memperkirakan berapa lama pelanggan akan tetap setia kepada
pemberi pinjaman. Setiap pelanggan sekarang dapat dijelaskan oleh sejumlah skor yang berbeda (Kotak
9-7).

Sering ada trade-off yang harus dilakukan antara kelayakan kredit pelanggan dan profitabilitas
mereka. Lagi pula, tidak ada gunanya mengeluarkan kartu kredit mahal kepada pelanggan yang layak
kredit yang tidak pernah menggunakannya. Sebaliknya, pelanggan yang sedikit lebih mungkin gagal
bayar mungkin masih lebih produktif daripada pelanggan dengan skor lebih tinggi — misalnya, jika
mereka cenderung sering meminjam uang atau siap membayar bunga yang lebih tinggi. (Manajemen
risiko utama
KOTAK 9-7 BEBERAPA JENIS KARTU SKOR YANG BERBEDA

• Skor biro kredit adalah skor kredit FICO klasik yang tersedia dari biro kredit utama di Amerika Serikat
dan Kanada.

• Skor aplikasi mendukung keputusan awal apakah akan menerima pemohon baru untuk kredit.

Skor perilaku adalah penaksir risiko yang mirip dengan skor aplikasi, tetapi mereka menggunakan
informasi tentang perilaku pemegang rekening kredit yang ada — misalnya, penggunaan kredit dan
riwayat tunggakan.

• Skor pendapatan bertujuan untuk memprediksi profitabilitas pelanggan yang ada.

• Skor respons memprediksi kemungkinan pelanggan akan menanggapi penawaran.

• Skor gesekan memperkirakan kemungkinan bahwa pelanggan yang ada akan menutup akun mereka,
tidak akan memperbarui kredit seperti hipotek, atau akan mengurangi saldo mereka pada kredit yang
ada.

• Skor asuransi memprediksi kemungkinan klaim dari pihak yang diasuransikan.

• Skor otoritas pajak memprediksi siapa yang harus diaudit oleh pemeriksa pajak untuk mengumpulkan
pendapatan tambahan.

Pertanyaan di sini adalah apakah profitabilitas tambahan benar-benar mengimbangi risiko yang dijalankan
oleh lini bisnis dalam jangka panjang — yaitu, akankah tingkat default untuk pelanggan yang sedikit
kurang layak kredit meningkat jika ekonomi berubah menjadi masam?)

Oleh karena itu, bank-bank terkemuka bereksperimen dengan cara-cara untuk memperhitungkan
interaksi risiko dan imbalan yang kompleks. Mereka bergerak menjauh dari penilaian default kredit
tradisional menuju penilaian laba produk (yang berusaha untuk memperkirakan keuntungan yang dibuat
pemberi pinjaman pada produk tertentu dari pelanggan) dan ke penilaian laba pelanggan (yang mencoba
memperkirakan total profitabilitas pelanggan kepada pemberi pinjaman). Dengan menggunakan informasi
lanjutan semacam ini, pemberi pinjaman dapat memilih batas kredit, margin bunga, dan fitur produk
lainnya untuk memaksimalkan profitabilitas pelanggan. Dan mereka dapat menyesuaikan parameter
risiko, operasi, dan pemasaran ini selama hubungan mereka dengan pelanggan.

Secara khusus, pasar menjadi terbiasa dengan "pembelian berbasis risiko" untuk produk kredit —
gagasan bahwa pelanggan dengan profil risiko yang berbeda harus membayar jumlah yang berbeda untuk
produk yang sama. Semakin banyak, bank berpendapat bahwa kebijakan "satu harga cocok untuk semua"
di pasar yang kompetitif mengarah pada seleksi yang merugikan — yaitu, bank terutama akan menarik
pelanggan berisiko tinggi, kepada siapa produk tersebut menarik, dan mencegah pelanggan berisiko
rendah (untuk alasan sebaliknya). Tingkat seleksi yang merugikan yang diderita oleh bank hanya dapat
menjadi jelas ketika iklim ekonomi memburuk.

Gambar 9-4 merangkum siklus hubungan pelanggan yang telah dikembangkan oleh bank praktik
terbaik selama beberapa tahun. Inisiatif pemasaran termasuk menargetkan pelanggan baru dan yang
sudah ada untuk produk baru atau menyesuaikan yang sudah ada

GAMBAR 9-4 Siklus Hubungan Pelanggan

Inisiatif Pemasaran Aplikasi Penyaringan Mengelola Akun

Target prospek/pelanggan lama?

Menerima/menolak?

Menambah / mengurangi batas kredit?

Harga tingkat? Harga tingkat?

Penawaran produk penjahit/

pesan?

Batas kredit awal?

Mengumpulkan?
Surat/jangan kirim? Otorisasi?

Seberapa sering? Penerbitan ulang?

Tingkat layanan pelanggan?

Cross-Sell

produk dan / atau penawaran untuk kebutuhan spesifik pelanggan; inisiatif ini adalah hasil dari studi
pemasaran terperinci yang menganalisis respons yang paling mungkin dari berbagai segmen klien.
Menyaring pelamar terdiri dari memutuskan aplikasi mana yang akan diterima atau ditolak berdasarkan
kartu skor, dalam hal pemberian batas kredit awal dan menetapkan harga yang sesuai untuk tingkat risiko
klik. Mengelola akun adalah proses dinamis yang melibatkan serangkaian keputusan berdasarkan
perilaku dan aktivitas masa lalu yang diamati. Ini termasuk memodifikasi batas kredit dan / atau harga
suatu produk, mengesahkan kelebihan sementara dalam penggunaan batas kredit, memperbarui batas
kredit, dan mengumpulkan bunga dan / atau pokok yang jatuh tempo pada akun yang menunggak.
Inisiatif cross-selling menutup lingkaran pada siklus hubungan pelanggan. Berdasarkan pengetahuan rinci
tentang custom-ers yang ada, bank dapat memulai tindakan untuk mendorong pelanggan yang sudah ada
untuk membeli produk ritel tambahan. Misalnya, untuk kategori pelanggan tertentu yang sudah memiliki
rekening giro dan tabungan, bank dapat menawarkan hipotek, kartu kredit, produk asuransi, dan
sebagainya. Dalam siklus hubungan ritel ini, manajemen risiko telah menjadi bagian integral dari proses
pengambilan keputusan bisnis yang lebih luas.

Sejak krisis keuangan 2007-2009, beberapa tren signifikan telah terjadi

muncul untuk meningkatkan pendekatan klasik ini untuk penilaian kredit dan penerapannya. 4 Pertama,
ada dorongan yang lebih besar untuk memahami bagaimana perubahan faktor makroekonomi (misalnya,
harga rumah, pengangguran) dapat mempengaruhi perilaku pita skor tertentu sehingga tingkat default
yang diprediksi dapat disesuaikan untuk memperhitungkan tahap siklus ekonomi saat ini. Upaya ini
terkait dengan upaya untuk menguji secara tekankan bagaimana kinerja portofolio risiko kredit ritel dalam
skenario makroekonomi yang penuh tekanan. Harapannya adalah bahwa keputusan bisnis dapat dibuat
lebih berwawasan ke depan jika disesuaikan untuk memperhitungkan proyeksi dasar untuk ekonomi
(yaitu, ekspektasi makroekonomi konsensus) dan juga memperhitungkan biaya modal dan potensi
kerugian yang tersirat oleh tingkat default yang meningkat dari skenario yang merugikan. Kalibrasi
ekonomi berwawasan ke depan semacam ini dapat ditambah dengan jenis penyesuaian lain untuk
perubahan sosial dan perilaku potensial — misalnya, perubahan undang-undang seputar keuangan
pribadi.
 Kedua, perusahaan telah mulai melihat lebih dekat pada bagaimana mereka dapat menguji
tanggapan terhadap variasi dalam penawaran produk dan kemudian memantau kinerja awal dari mereka
yang mengambil penawaran ritel (misalnya, kartu kredit). Pelajaran dari ini

4Sebagai contoh, lihat diskusi dalam Andrew Jennings, "A 'New Normal' Is Emerging—But Not Where Most Banks Expect," FICO Insights, No. 53, Juli 2011.

Latihan "mencicipi" pasar dan kinerja kemudian dapat dimasukkan kembali ke dalam kampanye
pemasaran yang lebih luas, setelah implikasinya disaring melalui pemahaman canggih tentang bagaimana
penyesuaian strategi akan mempengaruhi biaya modal dan profitabilitas yang disesuaikan dengan risiko.

Kedua tren ini dapat dilihat sebagai bagian dari upaya yang lebih luas untuk membuat pengambilan
keputusan yang disesuaikan dengan risiko di perbankan ritel lebih berwawasan ke depan, terperinci, dan
responsif terhadap perubahan sosial dan ekonomi (sebagai lawan dari pandangan yang lebih statis dan
kurang terfokus berdasarkan data historis).

Pendekatan Regulasi Basel

Secara tradisional, evaluasi kredit konsumen telah memodelkan setiap pinjaman atau pelanggan secara
terpisah — hasil alami dari pengembangan penilaian aplikasi. Tetapi pemberi pinjaman benar-benar
tertarik pada karakteristik seluruh portofolio pinjaman ritel. Ketertarikan ini telah diperkuat oleh
penekanan pada pemodelan berbasis peringkat internal di Basel II dan III.

Seperti yang telah kita bahas dalam Bab 3, kerangka peraturan Basel III memungkinkan bank untuk
menggunakan Pendekatan Standar atau Pendekatan Lanjutan untuk menghitung jumlah modal peraturan
yang diperlukan. Di bawah Pendekatan Lanjutan, bank itu sendiri memperkirakan parameter untuk
probabilitas default dan kerugian yang diberikan default dan menerapkannya pada model risiko kredit
konsumennya untuk memperkirakan distribusi kerugian default untuk berbagai segmen konsumen.

Kesepakatan tersebut mempertimbangkan tiga subsektor ritel — hipotek perumahan, kredit bergulir,
dan eksposur ritel lainnya seperti pinjaman angsuran — dan menerapkan tiga formula berbeda untuk
menangkap risiko aset tertimbang menurut risiko. Ini adalah pendekatan yang telah menyoroti perlunya
bank untuk mengembangkan perkiraan probabilitas default yang akurat (bukan hanya mengandalkan skor
kredit relatif) dan untuk dapat mengelompokkan portofolio pinjaman mereka. Asalkan bank dapat
meyakinkan regulator bahwa perkiraan risiko mereka akurat, mereka akan dapat meminimalkan jumlah
modal yang diperlukan untuk menutupi kerugian default ritel yang diharapkan dan tidak terduga.
Sekuritisasi dan Reformasi Pasar
Kami membahas sekuritisasi dan transfer risiko kredit konsumen di Bab 12, dengan rekap cepat di sini
karena sekuritisasi telah menjadi fitur penting dari pasar pinjaman konsumen.

Sebelum dimulainya krisis subprime pada tahun 2007, sekitar 50 persen dari semua hipotek rumah
diamankan di Amerika Serikat. Meskipun krisis menghentikan hampir semua sekuritisasi hipotek label
pribadi (yaitu, yang tidak didukung oleh jaminan entitas yang disponsori pemerintah), pasar label swasta
direformasi pada tahun-tahun pasca-krisis dan perlahan-lahan bangkit kembali. Sementara itu, pasar
keamanan tertentu berdasarkan pinjaman konsumen, termasuk untuk pinjaman mobil, piutang kartu
kredit, dan pinjaman mahasiswa, terus berkinerja dalam kesehatan yang relatif baik.

Fenomena sekuritisasi awalnya berlangsung di pasar hipotek rumah AS. Pada akhir 1970-an,
sebagian besar mort-gage rumah sedang disekuritisasi, dan tren meningkat pada 1980-an. Katalis untuk
pengembangan sekuritisasi hipotek di Amerika Serikat adalah sponsor pemerintah federal dari beberapa
lembaga keuangan utama — yaitu, Asosiasi Hipotek Nasional Federal (FNMA, atau Fannie Mae),
Federal Home Loan Mortgage Corporation (FHLMC, atau Freddie Mac), dan Asosiasi Hipotek Nasional
Pemerintah (GNMA, atau Ginnie Mae). Lembaga-lembaga ini menerbitkan sekuritas yang membayar
kepada investor menggunakan pendapatan yang berasal dari kumpulan hipotek rumah yang berasal dari
bank dan perantara keuangan lainnya. Agar memenuhi syarat untuk dimasukkan dalam kumpulan ini,
hipotek harus memenuhi berbagai persyaratan dalam hal struktur dan jumlah. Namun, dari tahun 1990-an,
pasar untuk sekuritisasi label pri-vate mulai tumbuh dengan cepat dan mengembangkan berbagai jenis
produk sekuritisasi yang didukung hipotek dan lainnya.

Pembayaran Collateralized Mortgage Obligation (CMO) dibagi menjadi beberapa tahap (seperti
sekuritas berbasis hipotek atau MBS), dengan tahap pertama menerima set pembayaran pertama dan
tahap lainnya mengambil gilirannya. Efek beragun aset (ABS) adalah istilah yang berlaku untuk
instrumen berdasarkan rangkaian aset yang jauh lebih luas daripada MBS, termasuk, misalnya, piutang
kartu kredit, pinjaman mobil, pinjaman ekuitas rumah, dan piutang leasing.

Menjual arus kas dari pinjaman ini kepada investor melalui semacam sekuritisasi berarti bahwa bank
memperoleh pembayaran pokok di muka, daripada memiliki uang mengalir selama masa pakai produk
ritel. Secu- rities dapat dijual kepada pihak ketiga atau diterbitkan sebagai obligasi tranched di pasar
publik — yaitu, kelas obligasi senior dan subordinasi yang diberikan peringkat oleh lembaga
pemeringkat.

Sekuritisasi dapat mengambil banyak bentuk dalam hal struktur hukum mereka, keandalan arus kas
yang mendasarinya, dan sejauh mana bank menjual
mematikan atau mempertahankan tahapan arus kas yang lebih berisiko. Dalam beberapa kasus, bank
secara substansial mengalihkan risiko portofolio kepada investor dan melalui proses ini mengurangi risiko
ekonomi (dan modal ekonomi) yang terkait dengan port-folio. Bank menyerahkan sebagian
pendapatannya dari peminjam dan dibiarkan dengan margin keuntungan yang harus mengkompensasinya
untuk inisiasi pinjaman dan untuk melayani mereka.

Dalam kasus lain, sekuritisasi disusun dengan aturan peraturan dalam pikiran untuk mengurangi
jumlah modal risiko yang regulator akan mengharuskan bank untuk menyisihkan untuk portofolio
konsumen tertentu yang bersangkutan. Kadang-kadang, ini berarti bahwa hanya sejumlah kecil risiko
ekonomi portfo-lio yang ditransfer ke investor, sebuah praktik yang dimotivasi oleh arbitrase peraturan
— yaitu, pengurangan biaya modal yang ditarik oleh berbagai jenis aset.

Menjelang krisis keuangan 2007-2009, tiga tren utama merusak kesehatan pasar sekuritisasi hipotek
(dan lainnya):

9. Pinjaman subprime dan sama berisikonya mulai berasal secara khusus untuk sekuritisasi,
seringkali oleh perusahaan (misalnya, broker) yang dikapitalisasi dan diatur dengan
ringan dan yang tidak memiliki kepentingan jangka panjang dalam mengendalikan
kualitas pinjaman yang mendasarinya (Kotak 9-4).
10. Kredit subprime dibungkus menjadi sekuritas yang kompleks, yang diberi peringkat
tinggi yang ternyata didasarkan pada asumsi yang rapuh.
11. Bank gagal mendistribusikan risiko sekuritisasi dan malah memegang sendiri risiko
sekuritisasi dalam jumlah besar, baik secara langsung maupun melalui berbagai jenis
sarana investasi.

Kami membahas krisis dan reformasi sekuritisasi yang ditimbulkannya secara lebih rinci di Bab 12.
Dari perspektif pencetus kredit konsumen, efek utama dari reformasi ini adalah:

12. Meningkatkan pengungkapan dan transparansi dengan memberikan informasi yang

lebih rinci dan akurat kepada investor tentang aset yang mendasari sekuritisasi
13. Membuat pencetus lebih bertanggung jawab dengan mewajibkan mereka untuk
mempertahankan sebagian (misalnya, 5%) dari kepentingan ekonomi
14. Membuat metodologi dan asumsi pemeringkatan publik, dan lembaga pemeringkatan
lebih akuntabel

15. Tetapkan persyaratan modal ke tingkat yang lebih mencerminkan risiko sekuritisasi
Selain itu, krisis menyebabkan serangkaian reformasi yang bertujuan mencegah lembaga keuangan
menyalahgunakan pelanggan. Ini cenderung memiliki efek signifikan pada perilaku di pasar ritel AS
dalam jangka panjang.

Harga Berbasis Risiko

Kami telah menyebutkan sebelumnya bahwa penetapan harga berbasis risiko (RBP) semakin populer di
layanan keuangan ritel, didorong oleh tren persaingan dan peraturan. Dengan penetapan harga berbasis
risiko untuk layanan keuangan, yang kami maksud adalah secara eksplisit memasukkan ekonomi akun
berbasis risiko ke dalam suku bunga tahunan yang dibebankan kepada pelanggan di tingkat akun. Faktor
ekonomi utama di sini termasuk biaya operasi, probabilitas take-up (yaitu, probabilitas bahwa pelanggan
akan menerima penawaran produk), probabilitas default, kerugian yang diberikan default, eksposur pada
default, jumlah modal yang dialokasikan untuk transaksi, dan biaya modal ekuitas ke institusi.

Banyak lembaga keuangan terkemuka telah mengadopsi beberapa bentuk RBP untuk akuisisi dalam
pinjaman mobil, kartu kredit, dan jalur bisnis hipotek rumah mereka. Sejak krisis keuangan 2007-2009,
bank telah mengakui perlunya faktor RBP beberapa pertimbangan jangka panjang. Namun, RBP di
bidang ritel keuangan masih dalam masa pertumbuhan. Tujuan bisnis utama bank jarang tercermin secara
memadai dalam strategi penetapan harganya. Misalnya, kemampuan untuk menentukan harga akun saldo
rendah versus revolver saldo tinggi dengan benar seringkali tidak memadai. Lebih lanjut, menetapkan
skor cutoff bersamaan dengan penetapan harga berjenjang5 sering kali didasarkan pada heuristik ad hoc
daripada analitik pragmatis yang mendalam. Kebijakan penetapan harga berjenjang yang menetapkan
harga sebagai fungsi peningkatan pita skor berisiko dapat membuat penetapan harga berbasis risiko lebih
mudah dan lebih efektif. Strategi RBP yang dirancang dengan baik memungkinkan bank untuk
memetakan strategi penetapan harga alternatif pada tingkat skor kredit ke metrik tingkat perusahaan
utama (misalnya, pendapatan, laba, kerugian, pengembalian yang disesuaikan dengan risiko, pangsa
pasar, dan nilai portofolio) dan merupakan komponen penting dari manajemen ritel praktik terbaik.

5Dengan harga bertingkat, maksud kami harga dibedakan berdasarkan band skor di atas skor cutoff — semakin tinggi skor, semakin rendah harganya.

RBP menggabungkan faktor-faktor kunci dari kedua data pasar eksternal (seperti probabilitas take-up,
yang pada gilirannya merupakan fungsi dari harga dan batas kredit) dan data internal (seperti biaya
modal).

RBP memungkinkan manajer bank ritel untuk meningkatkan nilai pemegang saham dengan
mencapai tujuan manajemen sambil mempertimbangkan beberapa kendala, termasuk trade-off antara
laba, pangsa pasar, dan risiko. Algoritma pro-gramming matematika (seperti solusi pemrograman
bilangan bulat) telah dikembangkan untuk secara efisien mencapai tujuan manajemen ini, tunduk pada
kendala yang disebutkan sebelumnya. Harga adalah alat utama bagi bankir ritel karena mereka
menyeimbangkan tujuan meningkatkan pangsa pasar dengan tujuan mengurangi tingkat akun buruk.

Untuk meningkatkan pangsa pasar dengan cara yang disesuaikan dengan risiko, bank ritel mungkin
memeriksa tingkat akun buruk sebagai fungsi dari persentase tingkat penerimaan populasi secara
keseluruhan (kurva strategi). Harga eceran tradisional menyisakan banyak uang di atas meja; Harga yang
lebih baik dapat meningkatkan metrik kinerja perusahaan utama sebesar 10 hingga 20 persen atau lebih.

RBP juga harus digunakan, dalam pandangan kami, ketika nonbank menawarkan kredit kepada
pelanggan dan usaha kecil. Namun, itu membutuhkan infrastruktur logistik dan operasional yang tidak
dimiliki banyak pengecer. Oleh karena itu mereka cenderung lebih mengandalkan pembayaran kartu
kredit serta pembayaran yang didukung oleh lembaga keuangan.

Pertimbangan Pelanggan Ritel Taktis dan Strategis

Ada berbagai aplikasi taktis untuk teknologi penilaian, seperti deter-mining yang pelanggan lebih
cenderung untuk tinggal (atau pergi) dan menemukan pendekatan untuk mengurangi gesekan (atau
meningkatkan loyalitas) di antara pelanggan yang tepat. Teknologi ini juga dapat membantu bank
memutuskan produk terbaik untuk ditawarkan kepada pelanggan partikular, membantu mereka
mengetahui cara menarik minat pelanggan dalam jenis layanan baru seperti perencanaan pensiun, dan
membantu mereka menentukan seberapa agresif mereka harus mendekati pelanggan.

Ada juga banyak pertimbangan strategis. Misalnya, apakah bank mengekstraksi cukup "nilai seumur
hidup" dari akun individu? Berapa banyak nilai masa depan yang dapat diharapkan bank dari portofolio
pelanggannya, dan apa sumber sebenarnya dari nilai ini? Idealnya, bank harus dapat membandingkan
performance relatif terhadap rekan-rekannya (misalnya, dalam hal pangsa pasar) karena berusaha untuk
memenangkan dan mempertahankan portofolio pelanggan yang tepat.

Kesimpulan
Dalam bab ini, kita telah melihat bahwa banyak kemajuan kuantitatif telah muncul di area risiko kredit
ritel untuk membantu membentuk strategi bisnis di seluruh siklus hidup pelanggan.

Pada originasi kredit, model analitik sekarang dapat membantu mengidentifikasi pelanggan yang
cenderung menguntungkan, memprediksi kecenderungan mereka untuk menanggapi penawaran,
menyelaraskan preferensi konsumen dengan produk, menilai kelayakan kredit peminjam, menentukan
otorisasi lini / pinjaman, menerapkan harga berbasis risiko, dan mengevaluasi nilai hubungan pelanggan.

Sepanjang layanan pinjaman, metode analisis digunakan untuk mengantisipasi perilaku konsumen
atau pola pembayaran, menentukan peluang untuk cross-selling, menilai risiko pembayaran di muka,
mengidentifikasi transaksi penipuan, mengoptimalkan manajemen hubungan pelanggan, dan
memprioritaskan upaya penagihan (untuk memaksimalkan pemulihan jika terjadi kenakalan). Semakin
banyak, penetapan harga berbasis risiko dapat digunakan untuk menganalisis trade-off dan untuk
menentukan strategi penetapan harga berbasis risiko multitier yang "optimal".

Namun, dalam menerapkan metodologi kuantitatif untuk mengukur kerugian yang diharapkan, bank
harus yakin mereka tidak mengabaikan sisi gelap risiko ritel. Setiap produk atau teknologi pemasaran
baru memperkenalkan bahaya bahwa risiko sistematis akan dimasukkan ke dalam portofolio kredit —
yaitu, faktor risiko umum yang menyebabkan kerugian meningkat tinggi secara tak terduga begitu
ekonomi atau perilaku konsumen bergerak ke konfigurasi baru. Model penilaian baru adalah alat yang
harus diterapkan dengan dosis penilaian yang cukup besar, berdasarkan pemahaman mendalam tentang
setiap produk konsumen dan peran yang dimainkannya di segmen pelanggan yang relevan.