Umeå universitets logga

Under de senaste åren har utlåningen i Sverige ökat markant, detta har lett till att kreditförlusterna i landet har ökat från 6 159 miljoner kronor år 2014 till 15 301 miljoner kronor år 2022. Under denna nio års period har även världen drabbats av räntenivåer som nått historiska höjder. Anledning till detta är ett flertal olika geopolitiska omständigheter, vilket har lett till en orolig världsmarknad. Samtidigt har teknologin gjort stora framsteg gällande automatisering och AI, vilket har underlättat möjligheten för privatpersoner att ansöka om lån. Då det finns begränsad forskning kring hur automatiserad kreditgivning påverkar kreditgivares kreditförluster har just denna studie valt att fokusera på detta område. För att kunna genomföra denna studie och uppnå dess syfte har ett flertal avgränsningar satts upp, några av dessa är; kreditgivare med huvudkontor i Sverige, utlåning till privatpersoner och med automatiserad kreditgivningsprocess menas att kreditgivare endast använder sig av UC eller liknande kreditupplysningstjänster. För att kunna besvara studiens frågeställning har statistiska tester genomförts, vilket innebär att studien använder sig av en deduktiv kvantitativ metod. Där resultatet har sedan förklarats och kopplats till teorierna; informationsasymmetri, beteendefinans, effektiva marknadshypotesen och interaktionsmodeller. Studiens data och variabler är insamlat av ett urval av populationen svenska aktiebolag, där data från perioden 2014–2022 har samlats in genom årsredovisningar samt via databasen Orbis. De variabler som använts i studien är; kreditgivningsprocess, genomsnittlig styrränta, omsättning, underliggande säkerhet och utlåning utomlands. För att kunna besvara studiens frågeställning har en regressionsanalys i form av Ordinary Least Square använts, där resultatet visar att det inte går att utesluta att det finns ett samband mellan en automatiserad kreditgivningsprocess och ökade kreditförluster. Resultatet visar även att samtliga variabler, förutom styrränta, i regressionsmodellen kan ha ett samband med ökade kreditförluster. Resultatet går därför att förklara genom informationsasymmetri, där anledningen till ökade kreditförluster beror på utesluten information mellan kreditgivare och låneansökande. Resultatet går även att koppla till interaktionsmodeller då studien har ställt upp ett flertal olika modeller för att undersöka hur sambandet förändras. Här gick det att utläsa att ju fler variabler som lades till desto högre förklaringsgrad fick modellen, vilket tyder på att resultatet går att kopplas till interaktionsmodeller.