Kassaflödesbaserad kreditanalys: hur svenska kreditgivare fattar bättre beslut med Open Banking

Traditionella kreditbedömningsmodeller byggdes för en annan tid — en tid då bankutdrag kom per post och en kredithandläggare räknade med tumregel och erfarenhet. I dag hämtas tre månaders transaktionsdata på sekunder via PSD2, och ändå baserar många kreditgivare sina beslut på schablonlöner och UC-register som inte visar hur en person faktiskt lever sin ekonomi.

Kassaflödesbaserad kreditanalys förändrar det. Istället för att gissa vad en sökande borde ha kvar efter sina utgifter — visar du vad de faktiskt har kvar, varje månad, baserat på verkliga transaktioner.

Den här guiden förklarar hur modellen fungerar, vad KALP och DSTI egentligen mäter, och hur Open Banking via PSD2 gör kassaflödesanalys skalbar för alla typer av kreditgivare — från storbanker till nischade låneförmedlare.

Vad är kassaflödesbaserad kreditanalys?

Kassaflödesbaserad kreditanalys innebär att kreditbeslutet grundas på en sökandes faktiska in- och utbetalningar under en given period — typiskt tre till tolv månader — snarare än på schabloniserade inkomstuppgifter eller poängmodeller.

Där en traditionell kreditbedömning frågar: "Vad tjänar den här personen?" — frågar kassaflödesanalysen: "Vad har den här personen faktiskt råd med?"

Skillnaden är avgörande. Två personer med identisk bruttoinkomst kan ha radikalt olika betalningsförmåga beroende på fasta kostnader, befintliga lån, levnadsvanor och oregelbundna utgifter. En schablonmodell ser inte den skillnaden. En kassaflödesmodell gör det.

Vad analyseras?

En komplett kassaflödesanalys för kreditgivning brukar innefatta:

• Inkomstverifiering — faktiska löneinsättningar, sidoinkomster, bidrag, hyresintäkter
• Fasta utgifter — hyra/amorteringar, abonnemang, försäkringar, återkommande betalningar
• Rörliga utgifter — mat, transport, fritid, sällanköp
• Existerande skuldtjänst — befintliga lånekostnader som syns i transaktionsdata
• Kassaflödesmönster — stabilitet, säsongsvariation, oregelbundna utfall
• Likviditetsbuffert — genomsnittlig disponibel balans och minsta saldo per månad

KALP — kvar att leva på

KALP, kvar att leva på, är det belopp som återstår av en hushållsbudget efter att alla kända kostnader dragits av. Det är det centrala måttet i svenska bolånebedömningar och används i bred utsträckning av banker och kreditinstitut.

Hur beräknas KALP?

Grundformeln:

KALP = Nettoinkomst − Boendekostnad − Levnadskostnad (schablon) − Befintlig skuldtjänst − Ny skuldtjänst

Problemet med traditionell KALP-beräkning är att den blandar verkliga tal (inkomst, ny skuldtjänst) med schablonvärden (levnadskostnad). Bankens schablon för levnadskostnad är ett genomsnitt som inte speglar en enskild persons faktiska utgiftsmönster.

KALP med kassaflödesdata

Med Open Banking-data kan schablonlevnadskostnaden ersättas av — eller kalibreras mot — den sökandes faktiska transaktionsbaserade levnadskostnad. Det ger en KALP-beräkning som:

• Är individuellt anpassad istället för genomsnittlig
• Fångar upp ovanliga kostnadsposter som inte syns i schablon
• Kan flagga för säsongsvariation (exv. hög energiförbrukning vinter, semesterkostnader sommar)
• Möjliggör jämförelse mellan deklarerad inkomst och faktiska insättningar

En KALP-beräkning med kassaflödesdata ger kreditgivaren ett mer komplett underlag för att avgöra om utrymmet är reellt — eller om siffran ser bra ut bara för att schablonkostnaderna är lågt satta.

DSTI — skuldsättningsgrad i relation till inkomst

DSTI, debt service to income, mäter hur stor andel av en persons inkomst som går till skuldtjänst (räntor + amorteringar). Det är ett mått som EU:s makrotillsynsmyndigheter och Finansinspektionen använder för att bedöma systemrisker, och som allt fler svenska kreditgivare implementerar i sina interna riskmodeller.

DSTI-beräkning

DSTI = Total skuldtjänst per månad / Nettoinkomst per månad × 100

En DSTI-kvot på 40 % innebär att 40 % av inkomsten går till lånebetalningar. Finansiellt stabila hushåll har typiskt DSTI under 30–35 %. Över 50 % anses av de flesta kreditgivare som hög risk.

Varför DSTI underskattas med registerdata

DSTI-beräkningar baserade enbart på kreditregisterdata (UC, Bisnode) riskerar att vara ofullständiga av tre skäl:

1. Kreditregister är bakåtblickande — de visar lån som beviljats, inte lån som tagits hos aktörer utanför rapporteringsplikten
2. BNPL-skulder syns inte alltid — köp nu, betala senare-tjänster som Klarna och Klarnas konkurrenter rapporteras inte alltid till kreditregister, men syns som återkommande transaktioner i bankdata
3. Informella åtaganden syns aldrig — regelbundna Swish-betalningar till familjemedlemmar, privata lån eller underhållsbidrag utanför Kronofogden

Med kassaflödesdata kan DSTI-beräkningen kompletteras med faktisk skuldtjänst som observeras i transaktionsflödet — vilket ger en mer komplett bild av den verkliga belastningen.

Open Banking och PSD2 — infrastrukturen som gör det möjligt

Kassaflödesanalys i den skala som krävs för automatiserade kreditbeslut hade inte varit praktiskt genomförbart utan PSD2 och Open Banking-infrastrukturen som direktivet skapade.

Vad är PSD2?

Payment Services Directive 2 (PSD2) är EU-direktivet som trädde i kraft 2019 och som tvingade banker att öppna sina kunddata-API:er för tredjepartsleverantörer — förutsatt att kunden ger sitt samtycke. Det innebär att en kreditgivare, med kundens tillstånd, kan hämta upp till 12 månaders transaktionshistorik direkt från banken på sekunder.

Tidigare krävde samma process att kunden laddade upp bankutdrag som PDF, som sedan läste in manuellt eller via en OCR-tjänst med risk för felläsning och manipulation. Med PSD2 är datan strukturerad, maskinläsbar och autentiserad av banken.

Från rådata till kreditanalys

PSD2-anslutning ger tillgång till råtransaktioner. För att rådata ska bli ett kreditbeslut krävs:

1. Kategorisering — transaktionerna klassificeras i utgiftskategorier (boende, mat, transport, lån, nöje etc.)
2. Inkomstidentifiering — regelbundna insättningar identifieras och verifieras som inkomst
3. Mönsterigenkänning — oregelbundenheter, kassaflödesdippar och avvikande månader identifieras
4. Riskbedömning — det bearbetade kassaflödet mappas mot kreditgivarens beslutsmodell
5. Beslutsunderlag — kredithandläggaren eller den automatiserade modellen fattar beslut baserat på berikad data

Det är i steg 2–4 som det tekniska arbetet sker — och där kvaliteten på kategoriseringsmodellen avgör träffsäkerheten i kreditbedömningen.

Fördelar för kreditgivare — varför kassaflödesanalys vinner på sikt

1. Lägre kreditförluster

Studier från nordiska kreditmarknader visar konsekvent att kassaflödesbaserade modeller predikterar betalningsstörningar bättre än registerbaserade modeller, särskilt för segment utan lång kredithistorik — unga vuxna, nyanlända, egenföretagare.

En kreditpoäng kan visa att en person aldrig missat en betalning. Den visar inte att de måste låna av familjen för att klara sig varje månad. Kassaflödesdata visar det.

2. Snabbare beslut

Automatiserad kassaflödesanalys via API reducerar handläggningstiden för standardärenden från dagar till sekunder. Kreditgivare som implementerar Open Banking-baserad kreditanalys rapporterar typiskt 60–80 % kortare handläggningstid på automatiseringsbara ärenden.

3. Bredare kreditincludering

Ungefär 15 % av den svenska befolkningen har begränsad eller ingen formell kredithistorik. Kassaflödesdata möjliggör kreditbedömning av dessa segment baserat på faktiskt ekonomiskt beteende — vilket utvidgar den adresserbara marknaden för kreditgivaren utan att höja riskprofilen.

4. Regulatorisk robusthet

I takt med att Finansinspektionen och EBA skärper kraven på dokumenterade kreditbedömningsprocesser ger kassaflödesbaserade modeller ett starkare revisionsunderlag. Varje kreditbeslut kan kopplas till ett specifikt dataunderlag — inte till en intern schablon som inte kan granskas externt.

Vanliga utmaningar — och hur de löses

Sökanden har flera banker

Lösning: de flesta Open Banking-lösningar stödjer multi-bank aggregation, dvs. hämtning från flera banker i ett enda samtyckessteg. Kunden loggar in på respektive bank och data konsolideras automatiskt.

Ojämn inkomst (egenföretagare, frilansare)

Lösning: kassaflödesanalys för oregelbunden inkomst kräver längre analysfönster (6–12 månader) och mer sofistikerade normaliseringsmodeller. Genomsnittlig månadsinkomst beräknas på rullande basis med viktning för säsongsvariation.

BNPL-skulder och dolda åtaganden

Lösning: välkalibrerade kategoriseringsmodeller identifierar återkommande transaktioner till kända BNPL-leverantörer och summerar dem som skuldtjänst i DSTI-beräkningen, även om de inte finns i kreditregistret.

Kunden vill inte dela bankdata

Lösning: kassaflödesanalys bör erbjudas som ett komplement — inte ett absolut krav — i kreditprocessen. Kunder som inte delar Open Banking-data kan erbjudas alternativa verifieringsvägar, med insikt om att beslutet kan ta längre tid eller kräva manuell handläggning.

Implementering — vad behöver en kreditgivare?

En kassaflödesbaserad kreditprocess kräver tre tekniska komponenter:

| Komponent | Funktion | |-----------|----------| | PSD2-anslutning (AIS) | Hämtar transaktionsdata från kundens bank med kundens samtycke | | Kategoriseringsmotor | Klassificerar transaktioner i meningsfulla utgiftskategorier | | Kreditanalysmodell | Beräknar KALP, DSTI och övriga riskparametrar baserat på kategoriserad data |

För de flesta kreditgivare är den snabbaste vägen att använda ett API-lager som hanterar PSD2-anslutning, kategorisering och beräkning i ett enda anrop — så att kredithandläggaren eller beslutsmodellen bara behöver konsumera resultatet.

Checklista för kreditgivare som utvärderar kassaflödesanalys

• Stöder lösningen multi-bank aggregation?
• Hur hanteras ärenden där kunden inte har digitala bankfunktioner (äldre segment)?
• Vilken täckning har PSD2-anslutningen för de banker dina kunder använder?
• Hur uppdateras kategoriseringsmodellen när nya tjänster (nya BNPL-aktörer etc.) tillkommer?
• Hur lång är historik som hämtas, och är det konfigurerbart?
• Vilka GDPR-åtgärder gäller för lagrad transaktionsdata?
• Kan du integrera beräknad KALP/DSTI direkt i ditt befintliga kreditbeslutsystem?

FAQ

Vad är kassaflödesbaserad kreditanalys? Kassaflödesbaserad kreditanalys innebär att kreditbedömningen grundas på en sökandes faktiska in- och utbetalningar via bankkontotransaktioner, snarare än schabloniserade inkomstuppgifter eller enbart kreditregisterdata. Modellen ger en mer precis bild av den verkliga betalningsförmågan.

Hur skiljer sig KALP från DSTI? KALP (kvar att leva på) är ett absolut belopp — vad som återstår i kronor efter alla kostnader. DSTI (debt service to income) är ett relativt mått — hur stor andel av inkomsten som går till skuldbetalningar. Båda används i kreditbedömning men mäter olika aspekter av betalningsförmåga.

Krävs PSD2 för kassaflödesanalys? Nej, men PSD2 möjliggör automatiserad och skalbar hämtning av transaktionsdata med kundens samtycke. Utan PSD2 är kassaflödesanalys möjlig men kräver manuell uppladning av bankutdrag, vilket är långsammare och mer felkänsligt.

Är kassaflödesdata säker att använda i kreditbedömning? Ja, förutsatt att data hanteras i enlighet med GDPR och att kunden ger ett informerat och specifikt samtycke. Data bör minimeras till vad som krävs för beslutet och inte lagras längre än nödvändigt.

Kan kassaflödesanalys användas för företagskrediter? Ja. För enskilda firmor och småföretag är kassaflödesanalys av företagskontot ofta mer informativt än bokslut, som kan ligga 12–18 månader efter den faktiska finansiella situationen.

Vad händer om sökanden har konton i flera banker? Moderna Open Banking-lösningar stödjer aggregation från flera banker i ett enda samtyckessteg. Kunden autentiserar sig mot respektive bank och data konsolideras till en samlad vy.

Sammanfattning

Kassaflödesbaserad kreditanalys är inte en ersättning för kredithistorik och UC — det är ett komplement som fyller de luckor som registerbaserade modeller inte kan täcka. Kombinationen av PSD2-baserad transaktionsdata, preciserade KALP-beräkningar och DSTI-mätningar baserade på faktisk skuldtjänst ger svenska kreditgivare ett bättre beslutsunderlag, lägre kreditförluster och snabbare processer.

Tekniken finns på plats. Direktivet är i kraft. Frågan är inte om kassaflödesanalys blir standard för svenska kreditgivare — utan när.

Truevi är en kassaflödesbaserad kreditanalysmotor för nordiska kreditgivare. Vi kombinerar PSD2-anslutning, kategorisering och KALP/DSTI-beräkning i ett enda API-anrop. Läs mer om hur det fungerar →