As digital bank ING is very committed to making Artificial Intelligence (AI) and Machine Learning (ML) work for the benefit all their stakeholders. Next to the almost ‘traditional’ Basel capital models hundreds of models are developed and used to support decision making within the bank.
For example, models that serve to find the proverbial ‘needle in the haystack’, such as contracts that need review, potential cases of fraud, money laundering or terrorism financing. But also models for servicing clients online automatically: routing them to the appropriate employee, registering complaints, giving an indication of a loan amount, and much more.
The development of so many models however leads to substantial so-called ‘model risk’. That is why every model needs to be thoroughly scrutinised, or validated, by an independent party. In 2019/2020 de kwantitatieve dienst has set up, trained and coached a validation team (15 fte) within ING, which investigates these ML models according to a predefined set of requirements. Emphasis is placed on specific aspects of ML models, such as fairness, explainability/transparency and (continuous) adaptability.
2016 (and 2017) are busy years for banks, that need to put in a lot of work in order to comply with all the regulations. Next to the wellknown Basel rule set there is the IFRS9 accounting framework. In that framework, statistical models are required for estimating the so-called Expected (Lifetime) Credit Loss. For client Rabo we participated in this huge project.
In 2016 for two very different applications optimisation algorithms have proven their value: one for optimally planning batches for robotically controlled testmachines (for the Gezondheidsdienst voor Dieren (GD), the Animal Health Service) and one for optimally distributing files over debt collection partners (for Assensia).
For Assensia we also developed a methodology valuation of debt portfolios.
In the course of 2015 De Nederlandsche Bank once more approached de kwantitatieve dienst to help judge the quality of Dutch banks’ credit risk models, in the context of the renewed banking supervision rules.
For NGO OXFAM-Novib in 2014 a second opinion investigation was performed after a model that was developed for NOVIB, for estimating the saturation of the markets for micro credit in a large number of countries.
In 2014 de kwantitatieve dienst worked together with data intelligence specialist TDHI on a model for profiling customers of (financiële) services, as requested by client AdviceGames.
At the start of 2014 de kwantitatieve dienst joined forces with Assensia Business Intelligence, that deliveres BI services to bayliffs and debt collection agencies. The Predictive Analytics team of Assensia was coached by de kwantitatieve dienst and advised about applicable techniques for a number of projects, such as debt colletion scoring and cashflow-forecasting.
For (a client of) Arbodienst Beter a reference model for sick leave was re-estimated. Using this model the actual sick leave within departments of an organisation can be compared with reference values, based on characteristics (a.o. age, gender) of the employees of the department.
This can help to focus on departments that have a relative (instead of abolute) high sick leave percentage.
Door de kwantitatieve dienst zijn in 2011 en 2012 voor verschillende financiële instellingen, waaronder een grote hypotheekverstrekker, statistische modellen ontwikkeld, waarmee de effecten van economische scenarios kunnen worden doorgerekend (o.a. stress-testen). Deze modellen zijn nodig om te kunnen voldoen aan de vereisten onder de Basel II (en Basel III) richtlijnen; ze leveren het management én de toezichthouder waardevolle informatie op over het gedrag van verschillende portefeuilles bij veranderingen in het economische klimaat.
Het Bureau Krediet Registratie (BKR) werd geadviseerd over de beste benutting van de analytische capaciteit, waarbij aspecten als het benodigde aantal analisten, positionering in de organisatie, taakstelling, opleiding en ervaring, persoonlijke ontwikkeling en kennisdeling een rol speelden.
In 2011 en 2012 werd marktplaats.nl geadviseerd over het voorkomen van spam- en fraude-incidenten. Voor verschillende typen incidenten zijn statistische modellen ontwikkeld, waarmee de fraudekans per individu of transaktie bepaald kan worden. Door implementatie van deze modellen in de operationele systemen kunnen gebruikers of transakties die een hoge fraudekans hebben, geblokkeerd worden.
In november 2011 werd een gastcollege Financieel Risicomanagement verzorgd voor studenten die de Finance Minor volgen aan de faculteit Toegepaste Wiskunde van de TU Delft. Het accent lag in dit college op praktijkervaringen met kredietrisico binnen Basel II en het toezicht daarop.
De kwantitatieve dienst verleende in 2010 en 2011 ondersteuning aan De Nederlandsche Bank in de vorm van kwantitatieve/wiskundige expertise bij het beoordelen van kredietrisicomodellen in het bankentoezicht.
In de aanloop naar hun fusie tot FrieslandCampina werd voor Friesland Foods en Campina een adviesproject uitgevoerd. Hierin werd onderzocht op welke wijze Friesland Campina na de fusie het optimaal verwerken van de rauwe melk tot half- en eindprodukten, de zogenaamde melkvalorisatie, zou moeten besturen. Bij beide fusiepartners waren hiervoor optimalisatiemodellen aanwezig, maar deze verschilden nogal met betrekking tot de tijdshorizon, mate van detail en wijze van gebruik. Geadviseerd werd om direct na de fusie door het gebruik van eenvoudige equivalentie-prijzen tabellen de fusie-voordelen zo snel mogelijk te realiseren; parallel hieraan diende dan het basismodel van Campina te worden verrijkt met de sterke punten van het Friesland model. Op lange termijn zou een geheel nieuw valorisatiemodel -passend bij een speler van wereldklasse – moeten worden ontwikkeld.
Om de centrale melkvalorisatie-afdeling en de afzonderlijke business units te ondersteunen in het doorgronden van hun complexe beslissingstaken werd tevens een geautomatiseerd simulatiespel ontwikkeld, waarmee ‘spelenderwijs’ de gevolgen van verschillende keuzen helder gemaakt kunnen worden.
In dit project werkte de kwantitatieve dienst samen met Argus-i, een consultancy bureau dat is gespecialiseerd in strategische advisering in de logistieke keten.
Voor ABN AMRO heeft de kwantitatieve dienst een methodiek ontwikkeld om te bepalen wat de effecten zijn van ongunstige economische scenarios op de kwaliteit van de kredietportefeuilles van Business Unit Private Clients. In het kader van de Basel II regelgeving zijn banken verplicht een dergelijke Stress Test methodiek te ontwikkelen en op regelmatige basis toe te passen. De ontwikkelde aanpak is geïmplementeerd in SAS programmatuur, waarmee medewerkers van ABN AMRO toekomstige Stress Tests zelfstandig kunnen uitvoeren.
Bij eBay/Marktplaats werd een interimopdracht vervuld als hoofd van het Business Analytics team. Dit team heeft als taak om voor advertentiesites in de eBay-portfolio in een aantal landen de financiële rapportages, analyses en forecasts te verzorgen. Hierbij wordt gebruik gemaakt van geavanceerde data-analyse tools en technieken. Aansturing van een achttal analisten, data warehouse engineers en externe consultants in diverse vestigingen wereldwijd en veelvuldig overleg met collega’s op internationaal niveau maakte deze opdracht in de dynamische internet industrie veelzijdig en boeiend.
Fortis Nederland werd geadviseerd over opzet van een team voor de validatie van kredietrisico-modellen onder Basel II. Punten waaraan aandacht werd besteed waren onder meer het takenpakket, de werkwijze, procedures en templates, benodigde capaciteit (aantal mensen, hun kennis en vaardigheden) en de inbedding in de bankorganisatie.