This project proposal stems from the experience of working with factoring services in a small Swedish financial company. Factoring involves purchasing invoices from companies at a discount, providing immediate liquidity while transferring the risk of collection to the finance company. Currently, factoring fees are typically fixed for a predetermined period, with adjustments rarely made. This study aims to explore the feasibility of using in house historical data to predict when an invoice will be paid. Information about when a particular customer is expected to pay an invoice helps assess and manage credit risk. If a finance company can anticipate late payments, steps can be taken to minimize losses. This can be done by taking action against the customer or the finance company can adjust its credit assessments. Financial companies often use third parties who provide financial data for a fee. The study investigates how companies can instead use historically collected data that is available in-house to predict when an invoice will be paid by using a multiple linear regression model.

Detta projekt utgår från erfarenheten av att arbeta med fakturaköpstjänster på ett svenskt finansbolag. Fakturaköp innebär att företag säljer sina fakturor till ett rabatterat pris till finansbolaget, vilket ger omedelbar likviditet samtidigt som risken överförs till finansbolaget. För närvarande är fakturaköpsavgifter vanligtvis bestämda för en förutbestämd period. Denna studie syftar till att undersöka möjligheten att använda intern historisk data för att förutsäga när en faktura kommer att betalas. Information kring när en viss kund förväntas betala en faktura hjälper till att bedöma och hantera kreditrisk. Om ett finansbolag kan förutse försenade betalningar kan åtgärder vidtas för att minimera förluster. Detta kan göras genom att vidta åtgärder mot kunden eller så kan finansbolaget justera sina kreditbedömningar. Finansbolag använder sig ofta av 3e part som tillhandahåller finansiell data mot en kostnad. Studien undersöker hur företag istället kan använda historiskt insamlad data som finns tillgänglig inhouse för att förutspå när en faktura kommer att betalas genom att använda en multipel linjär regressionsmodell.