Waarzeggen in insolventies

Bij de uitspraak van een faillissement is vaak onzeker wat de vooruitzichten voor schuldeisers zijn. In veruit de meeste gevallen eindigt een faillissement met een opheffing bij gebrek aan baten. De schuldeisers zien dan geen betaling meer van hun vordering. In een aantal gevallen komt er echter nog wel een uitkering.

Waarom?

Het is belangrijk om zo snel mogelijk te weten of je als schuldeiser nog een betaling tegemoet kunt zien. Mag je de afgedragen omzetbelasting terugvragen? Ga ik eventuele discussies aan met de curator over mijn aanspraken?

Maar ook voor de partij die vorderingen opkoopt (of de schuldeiser die overweegt om zijn vordering te verkopen) is het belangrijk om zo snel mogelijk te weten wat de kansen op een uitkering zijn.

Een geoefende advocaat kan na bestudering van de stukken vaak wel een inschatting geven of nog enige betaling te verwachten is. Maar het is vrij lastig voor de leek-schuldeiser om beslissingen te nemen op basis van vaak algemene formuleringen in faillissementsverslagen.

Het Centraal Insolventieregister en machine learning

Al enige jaren analyseer ik het Centraal Insolventieregister en faillissementsverslagen in alle faillissementen van Nederland. Daaruit volgt een schat aan data. Met name nu sinds 10 april jl. het standaard verslag is aangepast is er meer en zuiverder informatie beschikbaar gekomen waarmee de analyse van faillissementen in Nederland weer aanmerkelijk wordt verbeterd.

Uit de data die mij ter beschikking staat heb ik een tabel gemaakt van ongeveer 4400 KEI-verslagen in afgewikkelde faillissementen, met ca. 15 relevante kolommen. Vervolgens heb ik de computer aan het werk gezet en deze heeft niet alleen een statistische analyse gemaakt, maar ook een “beslisboom” opgesteld voor deze zestien criteria.  Het antwoord van de vorige vraag bepaalt de volgende vraag. Zo  kom je uiteindelijk tot een complexe beslisboom die een antwoord geeft op de vooraf ingestelde vraag: hoe eindigt een faillissement?

Zo’n beslisboom ziet er uit als volgt:

Het aardige is dat ook de betrouwbaarheid van de uitkomst wordt berekend. Die betrouwbaarheid hangt natuurlijk af van het “vraagpad” dat is gevolgd. Als je de beslisboom van boven bekijkt, dan kan de computer dus ook een algemeen betrouwbaarheidsbeeld geven van het gehanteerde model:

Niet foutloos, maar best wel betrouwbaar. Als ik 20% van mijn dataset toets aan het model van de andere 80%, dan kom ik op een foutmarge van ongeveer 4%. Als ik de jongste verslagen buiten beschouwing laat, dan is de foutmarge zelfs maar 2%.

Nogal wiedes, hoor ik de criticus denken: Als 97% van de faillissementen wordt opgeheven bij gebrek aan baten, dan is een blinde gok net zo effectief als dit model. Maar dat is niet zo. Want met dit model haal je ook de faillissementen naar boven waar wel een uitkering te verwachten valt.

Wil je ook kijken wat de te verwachten afwikkelingswijze van een faillissement is? Zoek dan naar een faillissement op schuldeisersbelang.nl.

Geplaatst in failimprove en getagd met , , , , , , .