In den letzten Jahren geriet die sogenannte fehlende Zahlungsmoral von Unternehmen und deren negative Auswirkungen immer wieder in die Schlagzeilen der Tagespresse. Obwohl derartige Klagen immer wieder laut werden, existieren bisher kaum systematische Untersuchungen, die sich mit den Ursachen fehlender Zahlungsmoral und den Vermeidungsmöglichkeiten beschäftigen. Vor diesem Hintergrund soll mit der vorliegenden Studie das Problem der "Zahlungsmoral" für das Handwerk im Raum Leipzig näher untersucht werden. Die Ziele der Studie können insbesondere durch die folgenden drei Fragestellungen umrissen werden: Welchen Umfang haben Unregelmässigkeiten tatsächlich? Wie sehen die betroffenen Handwerksbetriebe die Situation? Welche Faktoren führen zu einem unregelmäßigen Zahlungsverhalten von Kunden?

Diese Auswertung einer Creditreform-Erhebung thematisiert das Zahlungsverhalten der Kunden mittelständischer Unternehmen und basiert auf der Mittelstandsbefragung der Creditreform e.V. vom Frühjahr 1999. In dieser Umfrage wurden die Unternehmen zum einen gebeten, das Zahlungsverhalten der Kunden einzuschätzen, zum anderen wurden die tatsächlichen Forderungsverluste und Zahlungsziele erhoben. Im ersten Teil werden ausgewählte deskriptive Ergebnisse der Mittelstandsbefragung (Creditreform) mit der Leipziger Studie zur Zahlungsmoral (Universität Leipzig) unter Handwerkern verglichen. Im zweiten Teil der Auswertung wird der Effekt unterschiedlicher Faktoren auf die verschiedenen Aspekte des Zahlungsverhaltens dargestellt.

Diese Auswertung einer Creditreform-Erhebung thematisiert das Zahlungsverhalten der Kunden mittelständischer Unternehmen und basiert auf der Mittelstandsbefragung der Creditreform e.V. vom Frühjahr 1999. In dieser Umfrage wurden die Unternehmen zum einen gebeten, das Zahlungsverhalten der Kunden einzuschätzen, zum anderen wurden die tatsächlichen Forderungsverluste und Zahlungsziele erhoben. Im ersten Teil werden ausgewählte deskriptive Ergebnisse der Mittelstandsbefragung (Creditreform) mit der Leipziger Studie zur Zahlungsmoral (Universität Leipzig) unter Handwerkern verglichen. Im zweiten Teil der Auswertung wird der Effekt unterschiedlicher Faktoren auf die verschiedenen Aspekte des Zahlungsverhaltens dargestellt.:Einleitung und Überblick; Deskriptive Ergebnisse zur Zahlungsmoral im Vergleich: Die Leipziger Studie und die Mittelstandsbefragung der Creditreform; Analyse des Zahlungsverhaltens

In den letzten Jahren geriet die sogenannte fehlende Zahlungsmoral von Unternehmen und deren negative Auswirkungen immer wieder in die Schlagzeilen der Tagespresse. Obwohl derartige Klagen immer wieder laut werden, existieren bisher kaum systematische Untersuchungen, die sich mit den Ursachen fehlender Zahlungsmoral und den Vermeidungsmöglichkeiten beschäftigen. Vor diesem Hintergrund soll mit der vorliegenden Studie das Problem der 'Zahlungsmoral' für das Handwerk im Raum Leipzig näher untersucht werden. Die Ziele der Studie können insbesondere durch die folgenden drei Fragestellungen umrissen werden: Welchen Umfang haben Unregelmässigkeiten tatsächlich? Wie sehen die betroffenen Handwerksbetriebe die Situation? Welche Faktoren führen zu einem unregelmäßigen Zahlungsverhalten von Kunden?:Ziel der Studie; Untersuchungsdesign; Umfang und Bedeutung von Zahlungsunregelmäßigkeiten; Bestimmung von Zahlungsunregelmäßigkeiten; Fazit

The objectives of the research study are to review existing subnational credit rating methodologies and their applicability in the South African context, to develop the quantitative parts of credit rating methodologies for two provincial departments (Department of Health and Department of Education) that best predict future payment behaviour, to test the appropriateness of the proposed methodologies and to construct the datasets needed. The literature study includes background information regarding the uniqueness of South Africa’s provinces and credit rating methodologies in general. This is followed by information on subnational credit rating methodologies, including a review of existing subnational credit rating methodologies and an assessment of the applicability of the information provided in the South African context. Lastly, the applicable laws and regulations within the South African regulatory framework are provided. The knowledge gained from the literature study is applied to the data that have been collected to predict the two departments’ future payment behaviour. Linear regression modelling is used to identify the factors that best predict future payment behaviour and to assign weights to the identified factors in a scientific manner. The resulting payment behaviour models can be viewed as the quantitative part of the credit ratings. This is followed by a discussion on further investigations to improve the models. The developed models (both the simple and the advanced models) are tested with regard to prediction accuracies using RAG (Red, Amber or Green) statuses. This is followed by recommendations regarding future model usage that conclude that the department-specific models outperform the generic models in terms of prediction accuracies. / PhD (Risk analysis), North-West University, Potchefstroom Campus, 2015

The objectives of the research study are to review existing subnational credit rating methodologies and their applicability in the South African context, to develop the quantitative parts of credit rating methodologies for two provincial departments (Department of Health and Department of Education) that best predict future payment behaviour, to test the appropriateness of the proposed methodologies and to construct the datasets needed. The literature study includes background information regarding the uniqueness of South Africa’s provinces and credit rating methodologies in general. This is followed by information on subnational credit rating methodologies, including a review of existing subnational credit rating methodologies and an assessment of the applicability of the information provided in the South African context. Lastly, the applicable laws and regulations within the South African regulatory framework are provided. The knowledge gained from the literature study is applied to the data that have been collected to predict the two departments’ future payment behaviour. Linear regression modelling is used to identify the factors that best predict future payment behaviour and to assign weights to the identified factors in a scientific manner. The resulting payment behaviour models can be viewed as the quantitative part of the credit ratings. This is followed by a discussion on further investigations to improve the models. The developed models (both the simple and the advanced models) are tested with regard to prediction accuracies using RAG (Red, Amber or Green) statuses. This is followed by recommendations regarding future model usage that conclude that the department-specific models outperform the generic models in terms of prediction accuracies. / PhD (Risk analysis), North-West University, Potchefstroom Campus, 2015

This thesis aims to predict the probability of default (PD) of non-performing loan (NPL) customers using transaction and debt data, as a part of developing credit scoring model for Hoist Finance. Many NPL customers face financial exclusion due to default and therefore are considered as bad customers. Hoist Finance is a company that manages NPLs and believes that not all conventionally considered subprime customers are high-risk customers and wants to offer them financial inclusion through favourable loans. In this thesis logistic regression was used to model the PD of NPL customers at Hoist Finance based on 12 months of data. Different feature selection (FS) methods were explored, and the best model utilized l1-regularization for FS and predicted with 85.71% accuracy that 6,277 out of 27,059 customers had a PD between 0% to 10%, which support this belief. Through analysis of the PD it was shown that the PD increased almost linearly with respect to an increase in either debt quantity, original total claim amount or number of missed payments. The analysis also showed that the payment behaviour in the last quarter had the most predictive power. At the same time, from analysing the type II error it was shown that the model was unable to capture some bad payment behaviour, due to putting to large emphasis on the last quarter. / Det här examensarbetet syftar till att predicera sannolikheten för fallissemang för nödlidande lånekunder genom transaktions- och lånedata. Detta som en del av kreditvärdighetsmodellering för Hoist Finance. På engelska kallas sannolikheten för fallissemang för "probability of default" (PD) och nödlidande lån kallas för "non-performing loan" (NPL). Många NPL-kunder står inför ekonomisk uteslutning på grund av att de konventionellt betraktas som kunder med dålig kreditvärdighet. Hoist Finance är ett företag som förvaltar nödlidande lån och påstår att inte alla konventionellt betraktade "dåliga" kunder är högrisk kunder. Därför vill Hoist Finance inkludera dessa kunder ekonomisk genom att erbjuda gynnsamma lån. I detta examensarbetet har Logistisk regression används för att predicera PD på nödlidande lånekunder på Hoist Finance baserat på 12 månaders data. Olika metoder för urval av attribut undersöktes och den bästa modellen utnyttjade lasso för urval. Denna modell predicerade med 85,71 % noggrannhet att 6 277 av 27 059 kunder har en PD mellan 0 % till 10 %, vilket stödjer påståendet. Från analys av PD visade det sig att PD ökade nästan linjärt med avseende på ökning i antingen kvantitet av lån, det ursprungliga totala lånebeloppet eller antalet missade betalningar. Analysen visade också att betalningsbeteendet under det sista kvartalet hade störst prediktivt värde. Genom analys av typ II-felet, visades det sig samtidigt att modellen hade svårigheter att fånga vissa dåliga betalningsbeteende just på grund av att för stor vikt lades på det sista kvartalet.