Bakgrunn

Flex Fundings virksomhet består av to søyler som må balanseres for at selskapet skal sikre sitt forretningsgrunnlag.

Den ene søylen består av långivere som investerer i lån for å skape avkastning. Den andre søylen består av låntakere som trenger lån til en rimelig pris for å finansiere sine bedrifter.

For at Flex Funding kan vedlikeholde og utvikle kundeforhold mellom långiver/låntaker på en effektiv og troverdig måte, er en korrekt beregnet risikoklasse nøkkelen til at investorene kan ta sine investeringsbeslutninger.

Det er avgjørende at Flex Funding gir nøyaktig informasjon og risikovurderinger for hver enkelt låntaker for å opprettholde et godt omdømme blant våre långivere og for å fortsette å tiltrekke nye långivere.

Kundesegment og produkttilbud

Flex Funding retter sitt lånetilbud til både mikrobedrifter samt små og mellomstore bedrifter som er registrerte selskaper eller enkeltmannsforetak med et organisasjonsnummer i Selskapsstyrelsens CVR-register.

Målgruppen kjennetegnes av, men er ikke begrenset til, etablerte virksomheter med positiv kontantstrøm, positiv egenkapital og minst to års økonomisk historie.

De typiske låntakerne har kanskje allerede eksisterende finansiering i banken, men leter etter alternativer å kombinere med den nåværende finansieringsløsningen, eller de kan være selvfinansiert, men har nå kommet til et punkt hvor de må akselerere veksten gjennom gjeldsfinansiering.

De formidlede lånene ligger vanligvis i intervallet 200.000 – 2.000.000 kr. med en løpetid på 6 – 60 måneder.

Låneformålet varierer og omfatter arbeidskapital, utvidelse av produksjonsfasiliteter, refinansiering, prosjektfinansiering, kjøp av eiendeler, virksomhetsovertakelser og mye mer.

Flex Funding finansierer ikke Goodwill og IP-rettigheter; disse rettighetene kan imidlertid inngå i et foretakspant.

En hybrid tilnærming

Flex Funding foretar kredittrisikovurdering i samsvar med robuste og konsekvente tilnærminger, basert på et felles sett av elementer med mål om å gi långiver mulighet til å sammenligne ulike lån som tilbys på vår markedsplass. Flex Funding ønsker i den anledning å sikre at opplysningene som gis til långiver om metoden for å beregne kredittscore er nøyaktige, pålitelige og oppdateres regelmessig.

1. Bruk av modeller
Flex Fundings kredittanalyse er basert på en hybrid modell som involverer både kredittvurdering fra ekstern leverandør, prognoser for tilbakebetaling og en manuell kredittvurdering.

Flex Funding utfører både en vurdering av konkursrisikoen for foretaket som låntaker samt risikoen for tap på det konkrete tilbudte lånet. Følgende grunnleggende modell brukes, som inneholder både statistiske og skjønnsmessige elementer:

A. Vurdering av foretakets gjeld ved mislighold (Exposure at default)

1. En forståelse av formålet med lånet

2. En forståelse av typen av finansiering
   
   

B. Estimering av sannsynligheten for mislighold (Probability of default)

3. En strategisk analyse av foretaket

4. En analyse av foretakets regnskapskvalitet

5. En vurdering av foretakets finansielle tilstand basert på finansielle tall

6. En simulering av fremtidige kontantstrømmer for å vurdere foretakets evne til å betjene sin gjeld
   
   

C. Estimering av i hvor stor grad långiver har mulighet for å bli dekket i en konkurssituasjon (Probability of recovery)

7. Tilgjengelige verdier og sikkerheter og deres markedsverdi i tilfelle økonomisk mislighold
   
   

D. Beregning av forventet tap (Expected loss)

8. Oppsummering av resultatene fra kredittratingen, herunder fastsettelse av Risikoklassifikasjon og Lånets risiko

Alle virksomheter klassifiseres i risikoklasser fra A+, A, B, C og C-, der A+ er laveste risiko og C- er høyere enn normal risiko. Risikoklassene uttrykker risikoen for at et foretak vil måtte gå konkurs. I tillegg antydes risikoen for å tape penger på lånet hvis en virksomhet måtte gå konkurs. Risikoen oppgis som lav, middels eller høy.

For å beregne og fastsette et selskaps risikoklasse brukes vurderingsbaserte modeller, der statistiske teknikker er integrert med skjønnsmessige elementer av beslutningstaking.

2. Typen av informasjon som brukes i kreditscoremodellen
De statistiske modellene for å beregne risikoklassen er basert på en risikoscore levert av Risika. Risikoscoren er basert på en statistisk modell. Modellen er bygget på de mest prediktive variablene for de selskaper som har misligholdt. Risikoscoren er således utelukkende et mål for sannsynligheten for mislighold (PD) og uttrykker ikke i seg selv selskapets kredittverdighet. Scoringsmodellen er basert på 5 sammensatte faktorer: Forretning, Likviditet, Rentabilitet, Størrelse og Soliditet. Hver av faktorene består av flere underliggende drivere, slik som selskapets alder, bransjekode, relaterte konkurser, økonomiske nøkkeltall, balansekomposisjon mv.

Modellen er grundig dokumentert, og dens prediktive styrke testes jevnlig. De eksterne scorene er basert på offentlig tilgjengelige finansielle og statiske data. Dette inkluderer informasjon fra Næringslivsstyrelsen (registrerte regnskaper, kreditt-historie med informasjon om eventuelle konkurser og tvangsopplysninger relatert til selskapets reelle eiere og ledelse, endringer i revisjon, m.v.), Tingboken, og Statstidende. Scoremodellen velger 25 faktorer av totalt 180 tilgjengelige, som best kan forutsi konkurs. Hver faktor tildeles en vekt basert på dens forklaringskraft, og de to tallene kombinert resulterer i den totale score, som kan være mellom 1 og 10. Det brukes to modeller i scoreringen. En modell som bruker en logistisk regresjon og en modell som bruker et nevralt nettverk (en multi-layer perseptron eller MLP). Det kan ikke nøyaktig forklares hvordan hver enkelt faktor vektes, da det varierer avhengig av om det er selskaper med eller uten regnskaper eller om det er enkeltpersonforetak. Det er også en variasjon over tid, hvor enkelte faktorer viser seg å bli viktigere enn andre. Alt dette finner modellene selv ut av, da det er basert på maskinlæring (programvaren kan selv finne ut av hvilke faktorer som er best til å forklare et utfall, i dette tilfellet sannsynligheten for at en bedrift går konkurs eller ikke innenfor de neste 12 månedene).

Idet det brukes maskinlæring, er faktorer og deres veker ikke faste. Scoringsmodellen er validert av Risika basert på AUC-modellen (Area Under the Curve), og nylige back-tests viser en prediktiv styrke på 85 % AUC.

Fordeling av populasjonen og registrerte standardverdier for hver score er vist nedenfor.

Vår crowdfundingplattform er integrert med Risika og mottar automatisk et komplett sett kredittopplysninger for hver søknad som er registrert i systemet. Kredittopplysningene inneholder statiske data om søkeren (bransjekode, stiftelsesdato, regnskap og nøkkeltall, finansiell oversikt og enten en risikoscore eller en risikokategori.

Risikoscoren oppgis for alle selskaper og spenner fra 1 til 10, hvor 1 er svakest og 10 er sterkest. Scoren leveres for alle selskaper som har levert regnskap til Næringslivsstyrelsen, mens selskapene som ennå ikke har levert sitt første regnskap, vil Risika score oppgis som "ukjent".

Flex Funding plasserer de enkelte bedriftene til den relevante risikokategorien som er fastsatt i risikostyringsrammen, basert på sunne og godt definerte kriterier og med hensyn til alle de relevante faktorene som kan ha ugunstige effekter på bedriftenes tilbakebetalingsevne.

Bedriften tildeles en total score mellom 1 – 10, som jf. ovenfor anvendes til angivelse av bedriftens risikoklassifikasjon etter følgende inndeling:

For enkeltmannsforetak må det ikke gis noen score eller PD, da enkeltpersonsforetak er knyttet til eierens private økonomi. I stedet gis en ekstern Lav/Middels/Høy risiko. Risikokategorimodellen er basert på svært få variabler som bransjekode, bedriftens alder og adresse.

Ekstern kreditscore mellom 7 – 10 vurderes som lav risiko for mislighold.
Ekstern kreditscore mellom 4 – 6 vurderes som middels risiko for mislighold.
Ekstern kreditscore mellom 1 – 3 vurderes som høy risiko for mislighold.

Risikoklassifikasjonen og estimert sannsynlighet for mislighold angis på alle lån formidlet av Flex Funding på markedsplassen og er dermed tilgjengelig for långiverne.

Øvrige økonomiske faktorer som må tas i betraktning ved fastsettelse av risikoklassifikasjon

Foruten statistiske modeller skal det inkluderes skjønnselementer av beslutningstaking, der det er en subjektiv kvalitativ vurdering som involverer kontroll av de underliggende hovedfaktorene for risikoscoren. Siden den manuelle analysen er basert på både offentlig tilgjengelige data og interne data levert av søkeren, er det en forutsetning for kreditvurderingen at søkeren er villig og i stand til å gi nøyaktige og pålitelige opplysninger.

Kreditvurderingen skal blant annet, der det er relevant, baseres på mottatte informasjoner fra låntakeren. Dette kan inkludere beskrivelse av låneformålet, saldobalanser siden avslutning av siste perioderegnskap, siste kontoutskrifter fra pengeinstituttet, årsoppgaver fra SKAT og budsjetter. Kredittspesialisten må sikre seg en forståelse av formålet med lånet, bransjevilkår, strategisk analyse av selskapet, økonomiske forhold, inkludert lønnsomheten av crowdfunding-prosjektet, pengestrøm generert herav, selskapets gearing, gjeldsnivå og soliditet mv. I tillegg innhentes opplysninger fra offentlig tilgjengelige kilder som CVR.no, Tingboken og Statstidende. Pålideligheten av saldobalanser og ikke-reviderte regnskaper forsøkes verifisert fra årsoppgaver og/eller kontoutskrifter fra selskapets pengeinstitutt, Tingboken, årsoppgaver fra bolijlånsinstitutter o.l. og SKAT.

Det foretas en vurdering av selskapets gjeld ved mislighold (Exposure at Default). Her inngår en forståelse av låneformålet – om det er til investering i vekst, kjøp av eiendeler, herunder eiendommer, likviditetsbehov, omlegging av lån mv., samt en forståelse av typen finansiering. Om det er et annuitetslån eller et stående lån og løpetiden på dette. Man må være varsom med stående lån med henblikk på om låntaker faktisk vurderes i stand til å tilbakebetale hovedstolen ved forfall.

Tilbakebetalingskapasitet
Det utføres en tilbakebetalingsanalyse, som er todelt og består av både en systemintegrert modell basert på de innsamlede historiske finansielle tallene samt mellomregninger og prognoser levert av lånesøker. Modellen er en sammenligning av resultatet før skatt og de årlige avdragene på det aktuelle lån og modellen inneholder en buffer på 20 %. Ved utførelse av den manuelle analysen som beskrevet nedenfor, gjøres også en vurdering av tilbakebetalingsevnen. Vurderingen er kanskje bare en bekreftelse av systemkontrollen, men etter hvert som en lånesøknad blir større og mer kompleks, vil det være behov for en dypere vurdering, da disse motparter kan ha låneavtaler med forward star, engangseffekter, store avskrivninger mv. i resultatregnskapet.

Manuell analyse
Grunnleggende prinsipper
Flex Fundings generelle kredittprinsipper er basert på en kaskademodell som involverer inntekt, balanse, garantier og sikkerhetsstillelser.

• Inntekten undersøkes for å vurdere lånsøkerens evne til å generere en kontantstrøm som vil muliggjøre tilbakebetaling av lånet. Den genererte inntekten bør være tilstrekkelig til å betjene tilbakebetalingene av lån og helst med tilstrekkelig margin og/eller en positiv trend for å møte potensiell volatilitet forårsaket av sesongsvingninger eller kortsiktige svingninger. Siden søkerne i Flex Fundings segment veldig sjelden har kontantstrømoppstillinger, er analysen basert på kontantstrømmer som påvirker poster i resultatregnskapet.

• Balanseanalysen evaluerer forpliktelsene på kort sikt og den likviditetseffekten som låneutbetalingene vil få, og en overordnet vurdering av balansen sin totale sammensetning og likviditet for å vurdere selskapets robusthet og motstandskraft.

• Garantier og sikkerhetsstillelser betraktes som en sikkerhet ved mislighold, men tjener også til formålet å få et personlig engasjement fra eier av selskapet og å redusere risikoen for spekulative prosjekter.

Av relevante finansielle nøkkeltall brukes soliditetsgrad, likviditetsgrad, gearing, avkastningsgrad og egenkapitalforrentning. Både historisk opp til de seneste 5 årene og aktuelle.

Videre skal firmainformasjon inngå i vurderingen. Eksempelvis;

• Energikrise. Om bedriften opererer i en industri som er utsatt for stigende strøm- og gasspriser på grunn av energikrisen.

• Likviditet. Om bedriften har en anstrengt likviditet ifølge det siste regnskapet, som medfører en betydelig risiko for handel.

• Revisjonsnivå. Er regnskapet fullstendig, begrenset eller fravalgt revisjon. Et regnskap som verken er satt opp, verifisert eller revidert, vil nedjustere risikoklassifiseringen.

• Andel av immaterielle anleggsmidler, kapitalbeviser i datterselskaper etc. Hvor stor del av egenkapitalen består av immaterielle eiendeler, av kapitalandeler i konsernforbundne selskaper, som kan medføre en økt finansiell risiko.

• Industrittens risiko: Befinner selskapet seg i en industri med høy konkursrisiko.

• Mattilsynets smiley-ordning for matindustrien. Har alle selskapets produksjonsenheter gått fri for merknader under sin siste kontroll.

Selskapets konsernstruktur inkludert juridiske og reelle eiere skal fastslås og dokumenteres. Analysen bør alltid inneholde informasjon om ledelse og eiere. Det gjøres en vurdering av de reelle eiere og direktørens finansielle historie (delta i selskaper som har gått i omstrukturering, konkurs, tvangsoppløsning osv.), først og fremst basert på søk i CVR.dk og fra andre eksterne datakilder. Opplysningene hentes fra Risika, BiQ, CVR, SKAT og lignende leverandører, som også gir informasjon som gjør det mulig for Flex Funding å undersøke relaterte konkurser, kryssavhengigheter mv. Analysen bør også involvere en søk etter negative medier om selskapet selv, dets ledelse og eiere ved å bruke både Google, sosiale medier, Trustpilot osv. Eventuelle negative medier bør noteres i den endelige beslutningsrapporten.

Det bør foretas en vurdering av ledelsens kunnskap, omdømme, erfaring og evne til å drive forretningsaktiviteter i den spesifikke sektoren, som selskapet opererer innenfor. Dette er basert på selskapets historiske resultater. For nyetablerte bedrifter baseres det kun på tidligere erfaring og relevant utdanning.

Analysen skal omfatte en grundig analyse av årsrapporten, revisorbemerkninger, budsjetter, låneformål, bransjetilbud, eierskap, ledelse mv.

Den manuelle vurderingen skal også inneholde en grundig analyse av mellomværender som ikke inngår i risikoscoren.

En scoringsmodells prediktive styrke er basert på store porteføljevolumer og modellens evne til å identifisere outliers som negativt påvirker de statistiske resultatene. En scoringsmodell vil derfor ha en begrenset mulighet for å utelukke risikodrivere som i et konkret tilfelle kan være av en tvilsom kvalitet. Dette kan være tilfelle når man undersøker modellens evne til å identifisere oppblåste balanser eller krysshenvise til kvaliteten på fordringer hos tilknyttede selskaper osv. Selv om scoringsmodellen fungerer bra, vil påliteligheten av scoren noen ganger være tvilsom, og en manuell analyse vil derfor alltid inkludere en rimelighetskontroll av risikoscoren ved å se etter åpenbare mangler.

Flex Funding og flere av våre samarbeidspartnere (for eksempel EIFO, EIF, EGF, EIB og EU) stiller krav om at selskapene vi formidler finansiering til, forplikter seg til å forholde seg til ansvarlighet med utgangspunkt i FNs retningslinjer for menneskerettigheter og næringsliv, FN Global Compact samt OECDs Retningslinjer for Multinasjonale Selskaper, dersom dette skulle være relevant. Flex Funding har vedtatt retningslinjer herom, inkludert en ESG-policy og en Etiske Retningslinjer. Kredittspesialisten er forpliktet til å holde seg á jour med dem.

Skulle det vise seg at firmaene ikke lever opp til vår policy for samfunnsansvar, må kredittspesialisten undersøke forholdene og gå i konstruktiv dialog. Målet vil alltid være å påvirke til økt ansvarlighet og vilje til å rette opp på negativ atferd fremfor eksklusjon.

Bærekraftig utvikling i landbruket
Landbruk og matproduksjon er knyttet til store utslipp av klimagasser, og det krever fokusering på arbeid med miljø, sosiale forhold og god selskapsledelse innenfor dansk landbruk.

Deretter utføres en mindre strategisk analyse av virksomheten. Dette inkluderer makroøkonomiske forhold, graden av konkurranse innenfor selskapets bransje, selskapets økonomiske tilstand som beskrevet nedenfor.

Konklusjonen på de skjønnsmessige elementene i beslutningsprosessen er ment å sikre at den statistiske scoren som danner grunnlag for risikoklassifisering av selskapet, er retningsgivende. Selskapets risikoklassifisering kan besluttes opprettholdt eller nedjustert, men kan ikke oppjusteres til en bedre risikoklassifikasjon.

Den høyeste verdien er 50 poeng og laveste verdi er -5 poeng. Hvis låntaker oppnår mindre enn 15 poeng, avslås lånesøknaden. Hvis låntaker oppnår mellom 15 og 30 poeng anbefales det å nedgradere risikoklassifiseringen. Hvis det oppnås mer enn 30 poeng anbefales det å opprettholde risikoklassifiseringen fastsatt av ekstern rating.

Resultatet av ovennevnte modell tas ikke i betraktning ved fastsettelsen av et maksimalt lånebeløp til en potensiell låntaker eller maksimal løpetid på et lån. Flex Funding utfører ikke oppdatering av scorene og