Hoe het voorspellen van verhuizingen leidt tot meer inzicht bij pricing en asset managers

03 december 2019 Banken.nl 2 min. leestijd

Met de inzet van data over de Nederlandse woningmarkt en het voorspellen van verhuizingen heeft technologie- en databedrijf Matrixian de Volksbank geholpen beter te anticiperen op vervroegde aflossingen. De bank beschikt over meer informatie om tot gefundeerde besluiten te komen. In dit geval gaat het om een betere afstemming bij het aantrekken van gelden.

De zogeheten ‘prepayment rate’ wordt door banken gebruikt om te voorspellen hoeveel klanten vervroegd gaan aflossen op de hypotheek. Een waardevolle wetenschap, omdat een hypotheek die vervroegd afgelost wordt minder opbrengt dan aanvankelijk gedacht en dus invloed heeft op het te voeren financiële beleid, waaronder het aantrekken van financieringsgelden. In samenwerking met Matrixian ontwikkelde de Volksbank daarom een model dat verhuizingen voorspelt.

Het Amsterdamse bedrijf Matrixian beheert en genereert data over uiteenlopende onderwerpen. Data waarmee het partners in staat stelt om tot beter gefundeerde besluiten te komen, anders dan onderbuikgevoelens. Matrixian beschikt onder meer over een uitgebreide database met allerlei informatie over en kenmerken van panden in Nederland en anderzijds over een database met informatie over verhuizingen en verhuisgedrag. Die twee liggen in elkaars verlengde. De leeftijd van een pand of het aantal kamers zegt in potentie bijvoorbeeld iets over iemands verhuisbereidheid, dan wel verhuisnoodzaak.

Bestaande dataset verrijkt

“We zijn de uitdaging aangegaan om een voorspellend model te maken met zowel de huiskenmerken van Matrixian als data van de Volksbank”, legt Stefan Pullen uit, data-wetenschapper bij Matrixian. “Het eigenlijke doel was het voorspellen van verhuizingen. In eerste instantie deden we dat met uitsluitend Volksbank-data, op basis van de hypotheekrapporten. We hebben een zelflerend algoritme gebouwd dat kon voorspellen of een consument wel of niet ging verhuizen.” Met dat algoritme was het project halverwege. Het experiment werd namelijk nogmaals uitgevoerd, maar deze keer verrijkt met de huiskenmerken van Matrixian. Dit leidde tot een volledig nieuwe dataset. Pullen: “Vervolgens hebben we daar hetzelfde algoritme op los gelaten. Daaruit kwam weer een classificering uit van wel of geen verhuizing.”

Het samenvoegen van twee datasets tot één nieuwe leidde tot het bevredigende resultaat van een nauwkeuriger voorspelling over het aantal verhuizingen. Volgens Matrixian vormen de positieve resultaten een goed aanknopingspunt voor verder onderzoek. Onderzoek dat banken kan helpen de verhuisverwachting nog nauwkeuriger in kaart te brengen.