چگونه وام‌دهندگان وام مسکن می‌توانند قفل داده‌ها را باز کنند و به پر کردن شکاف مسکن در هوش داده پلاتوبلاک چین کمک کنند. جستجوی عمودی Ai.

چگونه وام دهندگان وام مسکن می توانند داده ها را باز کنند و به پر کردن شکاف مسکن کمک کنند

بدون شک مالکیت خانه مهمترین عامل ثروت نسلی در آمریکا است.

وام دهندگان محلی باید این اختیار را داشته باشند که از داده های خود استفاده کنند

با این حال، در مواجهه با عدم قطعیت اقتصادی بیشتر، اکنون برای نسل فعلی خریداران خانه تضمینی وجود ندارد. هزاره ها بزرگترین جمعیت خرید خانه را تشکیل می دهند، اما کمترین نرخ مالکیت خانه را در بین هر نسلی به خود اختصاص می دهند.

هنوز خماری از بحران مالی اواخر دهه 2000 وجود دارد و اعتبارات وام مسکن همچنان محدود است و اکنون امتیاز اعتبار وام گیرندگان یکی از بزرگترین موانع آنها برای تضمین وام مسکن است.

تعداد زیادی از آمریکایی ها "اعتبار نامرئی" در نظر گرفته می شوند، به این معنی که پرونده اعتباری آنها نازک است یا وجود ندارد. اگر وام دهندگان به همان ارزیابی‌های ریسک داده‌ای که 20 سال پیش استفاده می‌شد متکی باشند، شانس وام‌گیرندگان برای رد وام مسکن افزایش می‌یابد.

گسترش صندوق اعتباری در دفاع از فقرا

در حالی که عرضه مسکن در مواجهه با نرخ های بالاتر وام مسکن شروع به افزایش دوباره می کند، رقابت برای مسکن همچنان شدید است. دسترسی سریع به سرمایه اولویت بزرگ‌تری برای خریداران نسبت به گذشته است - با این حال، در سال 2020، 70 درصد از وام‌های مسکن تایید شده به وام‌گیرندگان با امتیاز اعتبار حداقل 760 تعلق گرفت. این روند همچنان باعث می‌شود افراد بیشتری از بازار خارج شوند، به ویژه خریداران جوان تر و برای اولین بار که به طور سنتی دارای امتیاز اعتباری کم یا بدون، علیرغم داشتن درآمد و سابقه پرداخت هستند.

در این محیط، بسیار مهم است که تعریف اعتبار ریسک پذیر را برای ارزیابی سایر عوامل مرتبط با توانایی بازپرداخت، که ممکن است خارج از روش سنتی امتیازدهی اعتباری قرار داشته باشند، گسترش دهیم. به عنوان مثال، یک فرد یا یک خانواده با درآمد ثابت سال به سال و وابستگی نیروی کار، همراه با پرداخت به موقع اجاره بها و بار بدهی کم، باید به شدت مورد توجه قرار گیرد.

وام دهندگان کوچک تا متوسط ​​بیش از 40 درصد از کل وام های مسکن ایالات متحده را تامین می کنند، و بانک های محلی تنها حضور بانکی در یکی از پنج شهرستان ایالات متحده هستند، طبق بروکینگز، میلیون ها نفر به خدمات مالی ضروری دسترسی دارند. این وام دهندگان محلی با استفاده از دارایی های خود، این قدرت را دارند که نسبت به رقبای بزرگ، محصولات وام فراگیرتری ایجاد کنند. این پیشنهادات می تواند طیف وسیع تری از نیازهای وام گیرندگان را برآورده کند، نیازهای جوامع محلی را بهتر منعکس کند و به بخش هایی از بازار دسترسی پیدا کند که از آنها استفاده نمی شود.

وام دهندگان محلی همچنین تمایل دارند طیف گسترده ای از وام ها را به طور خاص برای جمعیت های خاص، مانند جمعیت نظامی و روستایی، ارائه دهند. به عنوان مثال، بانک Willamette Valley وام های FHA، USDA و VA و همچنین سایر وام های تخصصی «پرتفوی» ارائه می دهد. ارائه وام های مسکن تخصصی به این معنی است که این وام دهندگان محلی تمایل دارند وام گیرندگان بیشتری را نسبت به رقبای بزرگتر خود تأیید کنند، حتی برای متقاضیانی که اعتبار کمتر از کامل دارند.

داده‌های قانون افشای وام مسکن خانگی (HMDA) نشان می‌دهد که بانک‌های کوچک کمتر از نصف نرخ بانک‌های بزرگ (۷.۴٪ در مقابل ۱۷.۲٪) درخواست وام مسکن را رد می‌کنند. از این درخواست ها، تنها 7.4٪ بر اساس اعتبار رد شد، که باز هم کمتر از نیمی از نرخ (17.2٪) در بانک های بزرگ را نشان می دهد.

توانمندسازی وام دهندگان محلی

نرخ مالکیت خانه در ایالات متحده از زمانی که نسل بومر برای اولین بار وارد بازار شد، مرتباً تحت فشار بوده است و طبق گفته مؤسسه Urban، قرار است تا سال 2040 حتی بیشتر کاهش یابد. این تنها نابرابری موجود در ثروت موجود در بازار را برای آن دسته از خریداران مسکن تشدید خواهد کرد که در حال حاضر با موانع قابل توجهی برای دسترسی مواجه هستند.

وام دهندگان محلی روابط، انعطاف پذیری مالی و داده ها را دارند تا نه تنها قفل را باز کنند، بلکه دسترسی به بازار را برای طیف وسیع تری از نیازهای وام گیرندگان تغییر دهند. وام دهندگان محلی می توانند با استفاده از بینش داده های خود همراه با روابط طولانی مدت با مشتری، درک بهتری از مشخصات وام گیرندگان و واقعیت های مالی ایجاد کنند.

با این حال، 32 درصد از وام دهندگان کوچک تا متوسط ​​می گویند که اصلاح نادرستی داده های وام گیرندگان، ناهماهنگی ها و موارد تکراری یکی از بزرگترین چالش هایی است که امسال با آن مواجه هستند. استفاده صحیح از این دانش، وام دهندگان را قادر می سازد تا محصولات وام مسکن بهتر، خلاقانه تر و فراگیرتری بسازند و به بخش جدیدی از بازار خدمت کنند.

همچنین برای وام دهندگان مهم است که بخش هایی از فرآیند وام مسکن موجود خود را که به جای رفع موانع برای وام گیرندگان ایجاد می کند، شناسایی کنند. به عنوان مثال، وام گیرندگان با درآمد پایین تر ممکن است منابع درآمدی پیچیده تری از چندین شغل از جمله درآمد 1099 داشته باشند.

فناوری می تواند از تجمیع و تجمیع تصویر درآمد کامل وام گیرنده قبل از ارائه وام به پذیره نویسی پشتیبانی کند. وام دهندگان با استفاده از فناوری خود می توانند شفافیت، برابری و کارایی را به کل فرآیند وام مسکن تزریق کنند.

به همین ترتیب، فناوری بهتر می‌تواند از گزارش قوی‌تر HMDA پشتیبانی کند و سیاست‌گذاری بسیار بهتری را در واشنگتن دی سی امکان‌پذیر کند. بر اساس HMDA، وام دهندگان وام مسکن ملزم به افشای عمومی اطلاعات سطح وام در مورد وام مسکن هستند. با این حال، از زمانی که در سال 1975 به تصویب رسید، سوالات مربوط به HMDA نرخ پاسخ پایینی را به دنبال داشت، زیرا بسیاری از وام گیرندگان اعتماد ندارند که با پاسخ‌های آنها منصفانه رفتار می‌شود یا ممکن است شانس آنها را برای رد وام افزایش دهد. بدون دسترسی به این بینش‌های داده‌های ارزشمند، تصمیم‌گیری‌های خط‌مشی بر روی مجموعه‌های داده محدودتری گرفته می‌شود که ممکن است تصویر کاملی از بازار ارائه نکند.

از هزینه های بسته شدن کمتر تا انتظارات اعتباری اصلاح شده، وام دهندگان محلی در حال رفع موانع رایج دسترسی هستند. با این حال، برای کمک به بهبود بیشتر مسیر مالکیت خانه برای جوامع محروم در سراسر کشور، وام دهندگان محلی باید این اختیار را داشته باشند تا از داده های خود استفاده کنند و دامنه دسترسی خود را برای ایجاد روابط قابل اعتماد با گروه های متنوع تری از خریداران خانه گسترش دهند.

تمبر زمان:

بیشتر از BankingTech