Varför UC-upplysningen missar BNPL-skulder — och vad det kostar kreditgivare

BNPL — Buy Now Pay Later, eller köp-nu-betala-senare — har på kort tid blivit ett av de mest utbredda kreditinstrumenten på den svenska marknaden. Klarna, Avarda, Walley och ett dussin mindre aktörer erbjuder konsumenter möjligheten att dela upp köp i månatliga avbetalningar, ofta räntefritt under en introduktionsperiod.

Det som ser ut som ett smidigt betalningssätt för konsumenten är i praktiken kredit. Och det är kredit som i stor utsträckning är osynlig för den kreditgivare som ska fatta ett välgrundat utlåningsbeslut.

Varför BNPL inte syns i kreditregistren

Traditionella kreditupplysningsföretag, däribland UC, samlar in uppgifter om kreditengagemang från banker och kreditinstitut som är anslutna till informationsutbytets­systemet. BNPL-aktörer är inte alltid anslutna till dessa system, rapporterar med fördröjning eller rapporterar enbart en del av sina kreditengagemang.

Det innebär att en konsument kan ha tre aktiva BNPL-avtal med sammantagna månatliga avbetalningar på 3 000–5 000 kronor utan att detta syns i en UC-kreditupplysning vid ansökningstillfället.

Konsekvensen för kreditgivaren är att den faktiska DSTI-kvoten underskattas systematiskt. Det som ser ut som en låg skuldsättningsgrad kan i verkligheten vara en hushållsekonomi under betydande press.

Kredit-stacking — ett växande riskfenomen

Ett relaterat problem är kredit-stacking: att en låntagare tar flera kreditengagemang inom kort tid, ofta hos aktörer som inte delar information med varandra. En person som ansöker om ett blankolån hos kreditgivare A, ett SMS-lån hos aktör B och ett BNPL-köp hos Klarna samma vecka kan vid varje enskild ansökan se ut som en låntagare med acceptabel skuldsättning — trots att helhetsbilden är alarmerande.

Kreditregistren fångar inte detta i realtid. Informationen läggs in med fördröjning, och vid ansökningstillfället är bilden ofullständig.

Vad det kostar kreditgivare i praktiken

Underskattad BNPL-skuldsättning leder till tre direkta konsekvenser för kreditgivarens portfölj:

Ökade kreditförluster. Låntagare som beviljas kredit baserat på en inkomplett skuldbild har en högre sannolikhet att hamna i betalningssvårigheter. Det syns inte i form av fler ansökningar — det syns i form av högre bad debt rate sex till tolv månader efter utlåning.

Felaktig riskprissättning. Om riskmodellen underskattar skuldsättningen underskattar den också risken. Det leder till att krediter prissätts för lågt relativt den faktiska risken i portföljen, vilket urholkar lönsamheten.

Regulatorisk exponering. Finansinspektionen förväntar sig att kreditgivare beaktar låntagarens totala ekonomiska situation. En kreditbedömning som systematiskt missar BNPL-skulder är svår att försvara vid en tillsynsgranskning.

Hur kassaflödesanalys löser problemet

Den enda metoden för att se BNPL-skulder i realtid är att analysera kontotransaktionerna direkt. Via PSD2 Open Banking kan kreditgivare med låntagarens samtycke hämta transaktionsdata och identifiera återkommande utbetalningar till BNPL-aktörer.

En månatlig betalning till Klarna Finansiering, Avarda eller Walley är synlig i kontoutdraget även om den inte finns i något register. Den kan klassificeras automatiskt, kvantifieras och inkluderas i DSTI-beräkningen — vilket ger kreditgivaren en komplett bild av skuldsättningsbördan.

Det är en fundamental skillnad mot registerbaserad kreditbedömning. Registren visar vad som rapporterats. Transaktionsdata visar vad som faktiskt betalas ut varje månad.

Identifiera lån-för-att-betala-lån-mönster

Kassaflödesanalys möjliggör också identifiering av ett av de mest varningsflaggade beteendena i kreditrisk: lån-för-att-betala-lån-mönstret, där en låntagare tar nya krediter för att täcka befintliga skuldbetalningar.

Det syns i transaktionsdata som en regelbunden insättning från en kreditaktör tätt följd av en utbetalning till en annan. Det är ett beteende som inte syns i kreditregistren men som är ett tydligt tecken på en ekonomi under strukturell press.

Hur Truevi identifierar BNPL-skulder

Truevis kreditmotor inkluderar automatisk BNPL-identifiering som en del av kassaflödesanalysen. Transaktioner klassificeras mot en lexikonmotor som identifierar kända BNPL-aktörer, avbetalningsplaner och återkommande kreditmönster i kontoutdraget.

Identifierade BNPL-betalningar inkluderas i DSTI-beräkningen och flaggas som en distinkt riskfaktor i kreditbeslutet. Mönster som indikerar kredit-stacking eller lån-för-att-betala-lån klassificeras separat och kan konfigureras som hard gate — ett automatiskt stopp oberoende av övriga faktorer — för de produktkategorier där kreditgivaren bedömer risken som oacceptabel.

Allt utan att kreditgivaren behöver bygga egna klassificeringsmodeller, underhålla aktörslistor eller skapa manuella regler. Det ingår ur lådan i Truevis kreditmotor.

Truevi är en kassaflödesbaserad kreditanalysmotor för banker, kreditgivare och låneförmedlare i Sverige. Läs mer om hur vi identifierar BNPL-skulder, beräknar DSTI och levererar kreditbeslut via Open Banking på truevi.io.