Whalesbook
ધિરાણ ક્ષેત્રમાં ગુપ્ત પરિવર્તન
બેંકિંગ સેક્ટર અંડરરાઇટિંગ (Underwriting) ફિલોસોફીમાં ધીમે ધીમે બદલાવ લાવી રહ્યું છે. હવે લિંગ-આધારિત રિપેમેન્ટ (Repayment) એનાલિટિક્સ (Analytics) પર વધુ ભાર મૂકવામાં આવી રહ્યો છે. આને માત્ર કોર્પોરેટ સોશિયલ રિસ્પોન્સિબિલિટી (CSR) પહેલ તરીકે જોવાને બદલે, મુખ્ય લેન્ડિંગ પ્લેટફોર્મ્સ (Lending Platforms) હવે મહિલા અરજદારોને અનુભવજન્ય મેટ્રિક્સ (Empirical Performance Metrics) ના આધારે ઓછું જોખમ ધરાવતા જૂથ તરીકે વર્ગીકૃત કરી રહ્યા છે, જે પરંપણાગત રીતે પુરુષોના ધિરાણ પેટર્નથી અલગ છે.
ક્રેડિટ (Credit) માં આંકડાકીય ધાર
આંતરિક ક્રેડિટ પોર્ટફોલિયો (Credit Portfolio) માંથી મળેલા પુરાવા દર્શાવે છે કે ડિફોલ્ટ રેટ (Default Rate) માં રહેલો તફાવત સંસ્થાકીય જોખમની ભૂખ અને બજારની સુલભતા વચ્ચેનું અંતર ઘટાડી રહ્યો છે. જ્યારે નિયમિત દેવાની જવાબદારીઓનું પરીક્ષણ કરવામાં આવે છે, ત્યારે વર્તમાન ડેટા પુષ્ટિ કરે છે કે મહિલા ધિરાણકર્તાઓ નોંધપાત્ર રીતે ઓછો ડિલિંકવન્સી રેટ (Delinquency Rate) જાળવી રાખે છે. આ માત્ર મૌખિક દાવાઓ નથી; નાણાકીય લક્ષ્યોની સિદ્ધિને માપતા આંતરિક સૂચકાંકો (Internal Indices) નિયમિતપણે ક્રેડિટ જાળવણીમાં મહિલાઓને ઉચ્ચ ક્રમાંક આપે છે, ખાસ કરીને વારંવાર ચૂકવણી ચૂકી જવાની આવૃત્તિના સંદર્ભમાં. ક્રેડિટ સ્કોર્સ (Credit Scores) ને વધુ નિયમિતપણે ટ્રેક કરીને, મહિલા ધિરાણકર્તાઓ અસરકારક રીતે તેમની પોતાની જોખમ પ્રોફાઇલ ઘટાડે છે, જેનાથી ધિરાણકર્તાઓને મૂડી ફાળવણીને એવી વસ્તી વિષયક (Demographic) તરફ ઓપ્ટિમાઇઝ (Optimize) કરવાની મંજૂરી મળે છે જે જવાબદારીઓની ચૂકવણી પ્રત્યે ઉચ્ચ તાકીદની ભાવના દર્શાવે છે.
વ્યૂહાત્મક દેવું ફાળવણી અને ઉપયોગ
વર્તણૂકીય વિશ્લેષણ (Behavioral Analysis) સૂચવે છે કે આ રિપેમેન્ટ પર્ફોર્મન્સ (Repayment Performance) નું મુખ્ય કારણ લોન (Loan) ના ઉપયોગ પ્રત્યેનો મનોવૈજ્ઞાનિક અભિગમ છે. જ્યારે પુરુષ ધિરાણકર્તાઓ ઘણીવાર વિવેકાધીન ખર્ચ (Discretionary Spending) માટે મૂડી ફાળવે છે, ત્યારે ડેટા દર્શાવે છે કે મહિલા-આગેવાની હેઠળનું ધિરાણ અપ્રમાણસર રીતે કુટુંબની સુરક્ષા, કટોકટીની તબીબી જરૂરિયાતો અને શિક્ષણ જેવી આવશ્યક શ્રેણીઓમાં સ્થિર છે. દેવા પ્રત્યેનો આ ઉપયોગિતાવાદી અભિગમ સ્વાભાવિક રીતે રિપેમેન્ટ માટે ઉચ્ચ મનોવૈજ્ઞાનિક પ્રોત્સાહન બનાવે છે. કારણ કે આ લોન આવશ્યક જીવન જરૂરિયાતો સાથે જોડાયેલી છે, બિન-આવશ્યક સંપત્તિઓ નહીં, ક્રેડિટ સંબંધ જાળવી રાખવાનો પ્રાથમિકતા સ્તર ઊંચો રહે છે, જે મૂળ ધિરાણકર્તા માટે સ્થિર રોકડ પ્રવાહ (Cash Flow) સુનિશ્ચિત કરે છે.
સંસ્થાકીય જોખમની વાસ્તવિકતા
સકારાત્મક વલણ હોવા છતાં, ક્ષેત્રનું ફોરેન્સિક (Forensic) દૃશ્ય વસ્તી વિષયક સામાન્યીકરણ પર વધુ પડતો આધાર રાખવામાં નોંધપાત્ર જોખમો જાહેર કરે છે. ક્રેડિટ યોગ્યતા (Creditworthiness) માટે લિંગને એકમાત્ર પ્રોક્સી (Proxy) તરીકે આધાર રાખવાથી લાંબા ગાળાની સોલ્વન્સી (Solvency) ના વધુ નિર્ણાયક સૂચકાંકો, જેમ કે રોજગાર ક્ષેત્રની અસ્થિરતા અને આવક-થી-દેવું ગુણોત્તર (Debt-to-Income Ratios) ને અવગણવામાં આવે છે. જો ધિરાણકર્તાઓ વ્યક્તિગત આવકની સ્થિરતાને ધ્યાનમાં લીધા વિના મહિલાઓ માટે પાત્રતાને કૃત્રિમ રીતે વધારવાનું શરૂ કરે છે, તો તેઓ અગાઉ સુરક્ષિત ગણાતા જૂથમાં સબ-પ્રાઇમ (Sub-prime) બબલ બનાવવાનું જોખમ ધરાવે છે. વધુમાં, ફિનટેક (Fintech) લેન્ડિંગ પ્લેટફોર્મ્સનો ઝડપી વિકાસ બજાર હિસ્સાનો આક્રમક પીછો સૂચવે છે, જે ઘણીવાર ઢીલા અંડરરાઇટિંગ ધોરણો તરફ દોરી જાય છે. જ્યારે વર્તમાન ડેટા જોખમ ઘટાડવાની વ્યૂહરચનાને સમર્થન આપે છે, ત્યારે આ પસંદગીની લાંબા ગાળાની ટકાઉપણું (Sustainability) આ લિંગ-વિશિષ્ટ પેટર્નને તેમના હાલના, વધુ કડક ક્રેડિટ સ્કોરિંગ મોડલ્સ (Credit Scoring Models) માં એકીકૃત કરવા પર આધાર રાખે છે, જે એકંદર સંપત્તિની ગુણવત્તા સાથે સમાધાન કર્યા વિના.