Modelvalidatie: essentieel voor de bank én de maatschappij

‘Hoe groot is het risico dat klanten hun leningen niet terugbetalen? Wat zijn de verwachte verliezen? En welk bedrag kan maximaal verloren gaan? Die vragen zijn essentieel voor de bank. En alleen goed te beantwoorden door relevante data uit ontelbare gegevens te plukken en die op de juiste manier te combineren. Dat is precies wat kredietmodellen doen –  veel sneller dan een mens zou kunnen. De informatie uit zulke modellen helpt de bank om de hoogte van leningen te bepalen, klanten wel of niet te accepteren én vast te stellen hoeveel geld ze in een speciale veiligheidsbuffer moet stoppen.’

Intern checkpoint

‘Deze veiligheidsbuffer zorgt ervoor dat banken niet omvallen bij een financiële crisis en voorkomt dat miljoenen bedrijven en particulieren in de problemen komen. Behoorlijk belangrijk dus. De Europese Centrale Bank heeft bepaald dat het bufferbedrag per bank een tiende moet zijn van haar totale verwachte verlies. Diezelfde ECB controleert of de kredietmodellen deugen waarmee een bank dit verwachte verlies berekent. Doen ze dat niet, dan moeten indieners terug naar de tekentafel en met een nieuw model komen. Als bank wil je zo’n afwijzing voorkomen; het kost je tijd en geld.’

‘Daarom – en natuurlijk omdat ze de juiste klanten wil accepteren en bedienen – laat Rabobank haar zelfontwikkelde kredietmodellen eerst intern checken voordat de ECB er een blik op werpt. Die check mag mijn afdeling Credit Model Validation doen. Wij analyseren bij elk model hoe het informatie uit data haalt. Als we een gebrek zien, gaan we na wat er door dit gebrek in de praktijk zou kunnen misgaan en hoe erg dat zou zijn voor de bank. Perfectie is niet altijd nodig, maar een model moet wel goed werken. Is dat niet het geval? Dan bedenken we wat developers kunnen doen om het te verbeteren.’

Goede feedback

‘Ons team bestaat uit ongeveer dertig mensen. Zij zijn een belangrijke reden waarom ik met plezier naar mijn werk ga: ze zijn open, behulpzaam en heel sociaal. Belangrijke eigenschappen voor samenwerking. Ook met het Credit Model Development-team, waarmee we focussen op verschillende typen kredietmodellen en het gebruik van computertalen Python en SQL. Waar de individuele validator meerdere modellen bekijkt, concentreert de developer zich echter op één type voor één soort portfolio. Daardoor heeft hij meer kennis over dat specifieke model, wat het wel eens onprettig voor hem maakt om correcties van ons door te krijgen. Gelukkig beseft iedereen dat we collega’s zijn, dezelfde doelen nastreven en hiervoor moeten samenwerken.’

‘Het ligt er ook aan hoe je als validator feedback geeft. Technische skills zijn niet genoeg in dit vak; sociale vaardigheden zijn evengoed belangrijk. Een vriendelijke, gelijkwaardige dialoog motiveert meer om correcties door te voeren dan een vermanende toon. Ook maakt zo’n dialoog sneller duidelijk dat zo’n correctie misschien toch niet nodig is of dat er nóg betere opties zijn. Samen zijn we het scherpst. En in de validatiefase moet die scherpte optimaal zijn. De prestatiedruk is hoog: het gaat om de laatste controle voordat de kredietmodellen naar het ECB gaan.’

Mooie werkcultuur

‘Ik dacht altijd dat overwerken normaal was in de financiële sector. Maar ons team wordt juist geacht dat níét te doen. Want wie doorwerkt, wordt moe – en dat vergroot het risico op fouten. Managers moedigen daarom een gezonde werk-privébalans aan. Ik vind dat mooi aan de cultuur bij Rabobank. Net als het feit dat iedereen volop mogelijkheden krijgt om zichzelf te ontwikkelen. Elke medewerker heeft een jaarbudget voor cursussen en trainingen. Rabobank begrijpt hoe belangrijk het is dat medewerkers blijven groeien en tevreden zijn – voor hen én voor haarzelf.’

‘Ik hou ervan analyses te maken, oplossingen te verzinnen en die oplossingen te bespreken met andere specialisten. Allemaal dingen die ik in dit team kan doen. Bovendien krijg je hier geregeld de kans extra uitdagingen aan te gaan. Zo hadden we tot voor kort geen eigen Credit Model Validation-tooling met geïntegreerde statistische tests. Ik mocht het project leiden om die tooling te ontwikkelen. Ons hele team gebruikt deze nu, waardoor onze checks sneller gaan en we tot betere conclusies komen. Dit soort projecten maken het extra leuk om op deze afdeling te werken.’

Spannende stap

‘Toen ik in 2018 bij de bank kwam werken, was ik nog geen data-expert. Ik was bijna klaar met mijn promotieonderzoek in de Toegepaste Wiskunde, maar zag mijzelf niet in het academische wereldje blijven. Te abstract, vond ik, en te veel focus op nieuwe oplossingen. Terwijl bestaande oplossingen vaak ook voldeden. Ik solliciteerde op goed geluk naar iets anders: een Young Professional-traineeship bij Rabobank, gericht op Advanced Analytics, met trainingen in thema’s als data analytics, machine learning en risk management. Tot mijn verrassing werd ik aangenomen.’

‘Ik had me natuurlijk ingelezen. Het trok me dat Rabobank zich inzet voor maatschappij en milieu. Ook zag ik het belang van een sterke bank voor de economie en samenleving. Maar ik wist niet zeker wat ik kon verwachten van het traineeship. Noch of ik geschikt zou zijn voor een baan in de financiële wereld. Finance is nu eenmaal geen engineering of wiskunde, al gebruikt de bank modellen en wiskundige berekeningen. Het was dus een spannende stap buiten mijn comfortzone. Maar dat maakte het juist ook leuk. En ik ben nog elke dag blij dat ik die stap gezet heb.’