24 ก.พ. 2022 เวลา 16:22 • หุ้น & เศรษฐกิจ
Upstart – The AI Lending Platform
Executive Summary
Upstart เป็นบริษัทที่พัฒนา platform การปล่อยกู้โดยใช้ AI model เป็นตัวพิจารณาการปล่อยกู้แทนการใช้ FICO Score
ผู้ใช้บริการ Upstart Platform มี 3 กลุ่ม คือ
- ธนาคารขนาดเล็กและเครดิตยูเนี่ยนที่ใช้ AI model ของ Upstart (แทนที่การใช้ FICO score และคนในการพิจารณา)
- ผู้กู้เงิน (โดยมากเป็นผู้กู้ที่มีเครดิตสกอร์ต่ำหรือไม่มี) และ
- นักลงทุนสถาบัน (เข้ามาซื้อหนี้เพื่อลงทุน)
ปัจจุบัน Upstart ปล่อยกู้ unsecured personal loan เป็นหลัก ปีนี้เริ่มปล่อยกู้ซื้อรถยนต์ (ทั้งรถใหม่ และ refinance) บริษัทมีแผนจะขยายธุรกิจไปยัง Small Dollar Loan, Small Business Loan และ การกู้ซื้อบ้าน ขนาดของตลาดที่ Upstart จะเข้าไปมีขนาดสูงถึง $6 trillion
หัวใจของ Upstart คือ AI-based underwriting model ที่มีความแม่นยำ ซึ่งจะทำให้บริษัทมีจำนวนธนาคารและเครดิตยูเนี่ยนเข้ามาเป็นพาร์ตเนอร์มากขึ้น และมีลูกค้าเข้ามากู้เงินมากขึ้นจากอัตราดอกเบี้ยที่ต่ำกว่าที่อื่น ซึ่งจะส่งผลให้บริษัทมีข้อมูลเพิ่มขึ้นในการ train AI model ให้เก่งขึ้น
3
ความเสี่ยงหลัก คือ AI model ที่พัฒนาจะต้องสามารถพิจารณาการปล่อยกู้ได้แม่นยำ หากมีความผิดพลาด บริษัทจะเกิดความเสียหายถึงขั้นปิดกิจการได้เลย ความเสี่ยงอีกประการคือ macro-economic เศรษฐกิจแย่จะกระทบกับการปล่อยกู้ รวมไปถึงความเสี่ยงเรื่องการ execution ใน loan type อื่นๆ
3
มูลค่าบริษัทที่ผมประเมินได้อยู่ที่ $18,000 ล้าน หรือเทียบเท่า $186 ต่อหุ้น ในปี 2035 ยอดปล่อยกู้รวมผ่าน Upstart platform อาจสูงถึง $316 billion เพิ่มขึ้น 26.5% CAGR คิดเป็นส่วนแบ่งการตลาดที่ประมาณ 5%
Upstart’s Business Model
บริษัทให้นิยามตัวเองไว้ว่าเป็น "Leading AI lending platform" กล่าวคือบริษัทใช้ AI/ML ในการพัฒนา algorithm เพื่อใช้ในการพิจารณาการปล่อยกู้เงิน (ไม่ใช้มนุษย์เลย) และสร้าง platform เพื่อเชื่อมต่อผู้กู้ (Borrower) และ ผู้ให้กู้ (Lender) รวมไปถึงนักลงทุนสถาบัน (Investor) ที่มาซื้อหนี้ต่อไปอีกที
Upstart ไม่คิดที่จะทำตัวเป็นธนาคารเอง จึงไม่ได้เป็นคู่แข่งกับธนาคาร โมเดลนี้แตกต่างจาก SoFi หรือ Lending Club ที่ผันตัวจาก Neo Bank มาเป็น Challenger Bank หลังจากได้เข้าซื้อกิจการธนาคารเพื่อให้ได้รับ banking license
บริษัทเชื่อว่า AI model เมื่อได้รับข้อมูลที่มากพอจะสามารถทำงานได้ดีกว่ามนุษย์และสามารถแก้ไขความไร้ประสิทธิภาพที่เกิดขึ้นในปัจจุบันได้ จึงทำการพัฒนา Algorithm เพื่อใช้ในการปล่อยกู้จาก variables มากมาย ซี่งจะเป็นการเปิดโอกาสให้คนที่มีคะแนนเครดิต (FICO score) ต่ำ หรือคนที่ไม่มีประวัติทางเครดิตมาก่อน สามารถกู้เงินจากสถาบันการเงินได้และได้รับอัตราดอกเบี้ยเงินกู้ที่ต่ำกว่าการไปกู้นอกระบบ
Lending Algorithm ที่พัฒนาขึ้นมานั้น รวมถึงระบบ automation ต่างๆ เช่น loan application, loan verification, loan underwriting เป็นต้น บริษัทเปิดให้สถาบันการเงิน (ส่วนใหญ่เป็นธนาคารขนาดเล็กและ credit union) นำไปใช้ โดยที่บริษัทจะรับรู้รายได้เป็นค่าธรรมเนียมในการใช้ platform (Platform Fee), ค่าธรรมเนียมจากการ refer ลูกค้าให้ (Referral Fee) และค่าธรรมเนียมในการรับชำระหนี้จากผู้กู้ (Servicing Fee)
หนี้ที่ปล่อยผ่าน Upstart Platform สามารถนำไปขายต่อให้กับนักลงทุนสถาบันซึ่งสามารถนำไปทำเป็น Asset Backed Securities (ABS) เพื่อขายให้นักลงทุนอีกต่อหนึ่ง เนื่องจากหนี้ที่ปล่อยกู้นั้นเป็นการปล่อยกู้โดยธนาคารพาร์ตเนอร์ ดังนั้น Upstart จึงไม่มีความเสี่ยงทางด้าน credit risk โดยตรง
1
Flywheel ของ Upstart สามารถแสดงดังรูปด้านล่าง
Upstart's Flywheel
Flywheel นี้ เริ่มต้นจาก AI-based underwriting model ที่มีความแม่นยำที่ทำให้ approval rate เพิ่มสูงขึ้น ในขณะที่อัตราดอกเบี้ยนั้นต่ำกว่าคู่แข่ง ทำให้ดึงดูดให้มีลูกค้าเข้ามากู้เงินมากขึ้น ซึ่งจะดึงดูดให้ธนาคารและเครดิตยูเนี่ยนเข้ามาเป็นพาร์ตเนอร์มากขึ้น ซึ่งจะทำให้ยอดปล่อยกู้เพิ่มขึ้น ซึ่งจะส่งผลให้บริษัทมีข้อมูลเพิ่มขึ้นในการ train AI model ให้เก่งขึ้น วนเป็น positive loop แบบนี้ไปเรื่อยๆ
Upstart’s Value Proposition to Bank and Credit Union Partners
ในสหรัฐอเมริกา มีธนาคารทั้งหมดอยู่เกือบ 5,000 แห่ง ซึ่งกว่า 80% เป็นธนาคารขนาดเล็กที่มีสินทรัพย์น้อยกว่า $1 billion ในขณะที่อีก 8% มีสินทรัพย์ระหว่าง $1-$10 billion
นอกจากนี้ยังมี Credit Union อีก 5,400 แห่ง ซึ่งมีสมาชิกรวมกัน 126 ล้านคนหรือหนึ่งในสามของประชากรของประเทศ
เนื่องจากการแข่งขันในธุรกิจที่สูงมาก ธนาคารและ credit union เล็กๆ จึงต้องการเครื่องมือเพื่อให้สามารถแข่งขันกับธนาคารขนาดใหญ่ที่มีเทคโนโลยีและเงินทุนสูงกว่า นอกจากนี้ยังต้องแข่งขันกับ neo banks/challenger banks ที่มีต้นทุนในการดำเนินถูกกว่าเพราะเน้นเรื่องดิจิตอล
Upstart เข้ามาช่วยแก้ปัญหานี้ให้กับธนาคารและ credit union ขนาดเล็ก โดยการทำ digital transformation สำหรับการปล่อยกู้ ซึ่งทำให้ขั้นตอนต่างๆในการยื่นขอกู้ของลูกค้ามีความง่ายมากขึ้น และที่สำคัญที่สุดคือ underwriting model ที่ทำให้เกิด loss rate ลดลง นอกจากนี้ Upstart ยังช่วย refer ลูกค้ามายังธนาคารพาร์ตเนอร์ด้วย
Upstart’s Value Proposition to Borrowers
จำนวนประชากรของสหรัฐอเมริกาที่เข้าไม่ถึงธนาคารมีอยู่เป็นจำนวนสูงมากถึง 45 ล้านคน เนื่องจากมี FICO score (คะแนนสำหรับวัดเครดิตของผู้ขอกู้) ต่ำกว่าที่ธนาคารจะปล่อยกู้ กลุ่มคนเหล่านี้จึงต้องพึ่งการกู้หนี้ยืมสินจากแหล่งอื่นๆ ที่มีอัตราดอกเบี้ยสูงมากๆ
การใช้ AI model และ parameters ที่ใช้พิจารณาการปล่อยกู้ที่หลากหลาย ทำให้ Upstart สามารถประเมินความเสี่ยงการปล่อยกู้ให้กลุ่มคนที่มีเครดิตสกอร์ต่ำหรือไม่มีเลย ได้แม่นยำขึ้น ทำให้กลุ่มคนเหล่านี้มีอัตราการอนุมัติเงินกู้สูงขึ้น และได้รับอัตราดอกเบี้ยที่ลดลง เมื่อเทียบกับธนาคารแบบดั้งเดิม
Upstart Today
ณ สิ้นปี 2021 Upstart มีธนาคารที่เป็นพาร์ตเนอร์เพิ่มขึ้นเป็น 38 แห่ง (ณ วันรายงานผลประกอบการ จำนวนพาร์ตเนอร์เพิ่มเป็น 42 แห่ง) มียอดปล่อยกู้ผ่านธนาคารที่เป็นพาร์ตเนอร์เหล่านี้จำนวน $11,752 ล้าน (เพิ่มขึ้น 241% จากปีก่อน) จากจำนวนรายการปล่อยกู้ทั้งหมด 1.3 ล้านรายการ หนี้ที่ปล่อยกู้เกือบทั้งหมดเป็นหนี้ประเภท unsecured personal loan มีเพียงส่วนน้อยเท่านั้นที่เป็น auto loan ซึ่งยังอยู่ในช่วงเริ่มต้น (5,800 รายการ)
มีธนาคารพาร์ตเนอร์ถึง 7 แห่งที่เลิกใช้ FICO Score ในการพิจารณาการปล่อยกู้
อัตราการเติบโตของยอดปล่อยกู้เพิ่มขึ้นอย่างต่อเนื่องดังแสดงในรูป โดยมีสาเหตุหลักมาจาก
• จำนวนพาร์ตเนอร์ที่เพิ่มขึ้น
• จำนวน loan application ที่เพิ่มขึ้น และอัตรา conversion ที่ค่อนข้างคงที่ที่ระดับ 22%-24%
• การปล่อยกู้ที่ลดลงในปีก่อนหน้าเนื่องจากการแพร่ระบาดของโควิด 19 ทำให้เกิดการชะลอการปล่อยกู้
1
Originated Loan Volume
Loan Funnel
ในช่วงเริ่มต้น Upstart พึ่งพา loan aggregator อย่าง Credit Karma (และ Nerd Wallet) สำหรับช่องทางในการหาลูกค้า อย่างไรก็ดี สัดส่วนยอดปล่อยกู้ที่มาจาก Credit Karma ลดลงเรื่อยๆ ตั้งแต่ต้นปี 2021 นั่นหมายความว่า ลูกค้าน่าจะมาจากช่องทางของบริษัทเองผ่าน upstart.com และช่องทางธนาคารพาร์ตเนอร์อื่นๆ
Originated Loan Channel
ธนาคารพาร์ตเนอร์ 2 แห่ง คือ Cross River Bank (CRB) และ FinWise Bank (FINW) มียอดปล่อยกู้คิดเป็นสัดส่วน 55% และ 36% ตามลำดับ ซึ่งนับว่ามีความกระจุกตัวสูงมาก อย่างไรก็ดี ในอนาคตเมื่อธนาคารพาร์ตเนอร์ที่เพิ่งเข้าร่วม Upstart Platform ในปีที่ผ่านมามีการปล่อยกู้มากขึ้นก็จะลดการกระจุกตัวตรงนี้ลงได้
ทั้ง CRB และ FINW จะไม่เก็บหนี้ที่ปล่อยไว้กับตัวเอง แต่จะทำการขายหนี้ออกให้กับนักลงทุนสถาบัน สัดส่วนหนี้ที่ขายให้นักลงทุนสถาบัน ณ สิ้นปี 2021 อยู่ที่ 80% ในขณะที่สัดส่วนหนี้ที่ธนาคารพาร์ตเนอร์เก็บไว้กับตัวธนาคารเองอยู่ที่ 16% (ลดลงจาก 21% เมื่อปี 2020)
การที่ธนาคารพาร์ตเนอร์เก็บหนี้ไว้ในพอร์ตของธนาคารเองจะทำให้อัตราดอกเบี้ยที่คิดกับลูกค้าลดลงและสามารถแข่งขันกับคู่แข่งได้ เนื่องจากธนาคารมีฐานเงินฝากซึ่งทำให้มีต้นทุนทางการเงินต่ำ ซึ่งจะเป็นผลดีกับ Upstart ด้วย
Upstart FY2021 Results
บริษัทสร้างรายได้รวม $849 ล้าน (เพิ่มขึ้นเกือบ 4 เท่า) โดยเป็นรายได้ค่าธรรมเนียมถึง $801 ล้าน ซึ่งคิดเป็นอัตรา take-rate ที่ 6.70%
กำไรจากการดำเนินงานก่อนภาษีอยู่ที่ $141 ล้าน เทียบเท่า Operating Income Margin ที่ 16.6% และกำไรสุทธิอยู่ที่ $135 ล้าน
จัดได้ว่าเป็นเรื่องค่อนข้างแปลก สำหรับบริษัทเทคที่เพิ่งตั้งขึ้นไม่นานและสามารถทำกำไรได้แล้ว
Upstart’s Underwriting Model Performance
คำถามสำคัญสำหรับบริษัท Upstart คือ AI-based underwriting model ที่พัฒนาขึ้นมานั้นดีแค่ไหนเมื่อเทียบกับระบบเดิมที่ใช้ FICO Score ในการพิจารณาเป็นหลัก
จากการศึกษาภายในของบริษัท บริษัทเคลมว่าสามารถลด loss rate ได้ 75%, เพิ่ม approval rate ได้ 27% และมีอัตราดอกเบี้ยที่ต่ำกว่าตลาด 27% แต่ตัวเลขที่บริษัทนำเสนอดังกล่าวเป็นตัวเลขที่เกิดขึ้นในอดีต ซึ่งไม่ได้สะท้อนถึงสภาพการณ์ในปัจจุบัน
การจะดูคุณภาพของสินเชื่อที่ปล่อยผ่าน Upstart Platform นั้นไม่สามารถดูผ่านงบการเงินของบริษัทได้ แต่สามารถดูได้จากรายงานการจัดอันดับเครดิตของ ABS ที่มีหนี้ที่ปล่อยผ่าน Upstart Platform เป็นตัว collateral ซึ่งจัดทำโดยบริษัท Kroll Bond Rating Agency (KBRA)
Cumulative Gross Loss แยกตามระยะเวลาปล่อยกู้และเครดิตเกรดของผู้กู้แสดงตามรูป ลูกค้าเกรดดี (AA – B) จะมี loss rate ที่ต่ำ ในขณะที่ลูกค้าที่มีเกรดไม่ดี (C-F) จะมี loss rate ที่สูงขึ้นแต่จะชดเชยด้วยอัตราดอกเบี้ยเงินกู้ที่สูง ซึ่งจะยังทำให้ธนาคารพาร์ตเนอร์ที่ปล่อยกู้ยังมีกำไรที่สอดคล้องกับความเสี่ยงตามที่ต้องการ
1
Gross Loss History
สัดส่วนการปล่อยกู้ผ่าน Upstart Platform เพิ่มขึ้นในกลุ่มลูกค้าระดับ C ลงมามากขึ้น (ดังแสดงในรูปสำหรับการปล่อยกู้ระยะเวลา 36 เดือน) ซึ่งจะทำให้เกิด loss rate รวมมากขึ้น
36-month loan program
ในแง่ของ Delinquency (การผิดนัดชำระหนี้) แสดงดังรูปด้านล่าง แนวโน้มที่เห็นจากกราฟคือ ช่วงที่รัฐแจกเงินอุดหนุนให้กับประชาชน อัตรา delinquency ลดลง แต่เมื่อเงินอุดหนุนหมดไป อัตรา delinquency กลับตัวเพิ่มขึ้น (แต่ยังไม่ถึงจุด peak ที่ระดับ 5%)
Delinquency History
ABS ส่วนใหญ่ มี actual loss rate น้อยกว่า expected loss rate ที่ KBRA คาด อย่างไรก็ดี เริ่มมี ABS บางชุด โดยเฉพาะชุดที่ออกเมื่อช่วงกลางปีที่แล้ว เริ่มมี actual loss rate สูงกว่า expected loss rate ที่ KBRA คาด ซึ่งคงต้องติดตามอย่างใกล้ชิดต่อไป
UPST - CNL
UPSPT - CNL
ปรากฎการณ์นี้เป็นสิ่งที่ผู้บริหารของ Upstart ได้พูดไว้หลายครั้งระหว่าง earnings conference call ว่า loss rate และ delinquency rate ในช่วงที่ผ่านมานั้นดีเกินจริงและควรจะกลับเข้าสู่ระดับปกติ เมื่อเงินอุดหนุนจากรัฐบาลหมดไป Upstart ย้ำว่า underwriting model ของบริษัทไม่ได้เอาปัจจัยบวกจากเงินอุดหนุนจากรัฐบาลมาใช้ในการพิจารณาปล่อยกู้ บริษัทยังคิดว่า ในช่วงเวลาที่รัฐแจกเงินอุดหนุนให้ประชาชน การขอกู้สินเชื่อส่วนบุคคลมีจำนวนน้อยลง ซึ่งนับว่าเป็น headwind แต่ Upstart ก็ยังสามารถทำผลงานได้ดี
หลังจากนี้ เมื่อไม่มีเงินอุดหนุนแล้ว สถานการณ์น่าจะกลับมาอยู่ในระดับปกติ กล่าวคือ การขอกู้สินเชื่อส่วนบุคคลน่าจะเพิ่มมากขึ้น ซึ่งเป็นผลดีกับ Upstart แม้ว่า loss rate จะเพิ่มสูงขึ้นก็ตาม ตราบเท่าที่ AI Model ของ Upstart ยังทำนายได้อย่างถูกต้อง
Upstart vs Affirm
อัตราดอกเบี้ยเงินกู้ที่ปล่อยผ่าน Upstart Platform แยกตามเกรดผู้กู้สำหรับระยะเวลากู้ 36 เดือนเป็นดังแสดงในรูปด้านล่าง อัตราดอกเบี้ยนั้นอยู่ในช่วง 9% - 35% ขึ้นกับเครดิตเกรดของผู้กู้
ผมทำการเปรียบเทียบอัตราดอกเบี้ยเงินกู้ของ Upstart กับ Affirm ที่ใช้ AI ในการพิจารณาเครดิตเช่นกัน
Affirm เป็นบริษัทที่ทำการปล่อยกู้ผ่าน point of sales ซึ่งมีลักษณะคล้ายบัตรเครดิตและเจาะกลุ่มลูกค้าที่ไม่สามารถทำบัตรเครดิตได้ ทำให้ Affirm สามารถคิดอัตราดอกเบี้ยได้สูงกว่าอัตราดอกเบี้ยบัตรเครดิต
แต่เมื่อเทียบอัตราดอกเบี้ยของ Affirm กับ Upstart ที่มีเครดิตสกอร์ใกล้เคียงกัน จะเห็นว่า อัตราดอกเบี้ยของ Upstart ต่ำกว่ามาก (โดยเฉพาะเครดิตเกรดสูงๆ) นั่นแปลว่า เมื่อลูกค้าบัตรเครดิตหรือ Affirm หรือ BNPL อื่นๆ ไม่สามารถชำระหนี้ได้ ก็จะมาขอกู้ personal loan ที่มีอัตราดอกเบี้ยต่ำกว่าเพื่อไปชำระหนี้บัตรเครดิตทั้งก้อน ซี่งอัตราดอกเบี้ยที่ Upstart คิดนั้นจะต้องสามารถแข่งขันกับธนาคารใหญ่ๆ หรือ neo bank ได้ในกรณีที่ลูกค้ามีเครดิตสกอร์ที่สูง ส่วนในกรณีลูกค้าที่มีเครดิตสกอร์ต่ำ ซึ่งไม่สามารถเข้าถึงธนาคารใหญ่ๆ ได้ อัตราดอกเบี้ยที่ Upstart คิดจะต้องสอดคล้องกับความเสี่ยงที่สูงขึ้นและยังทำให้ธนาคารพาร์ตเนอร์มีกำไร
Upstart vs Affirm
Upstart’s Future
ตั้งแต่ก่อตั้งบริษัทจนถึงปัจจุบัน Upstart ทำการปล่อยกู้เฉพาะ unsecured personal loan ซึ่งส่วนใหญ่ผู้กู้จะขอกู้เพื่อไปชำระหนี้บัตรเครดิต ในปีที่ผ่านมา Upstart เริ่มรุกเข้าสู่ธุรกิจการปล่อยกู้ซื้อรถยนต์ทั้งที่เป็นรถใหม่ และ refinance โดยการเข้าซื้อบริษัท Prodigy ปีนี้บริษัทจะทำการ scale up การปล่อยกู้ซื้อรถยนต์หลังจากที่สามารถเพิ่มจำนวน Car Dealers ได้มากกว่า 400 แห่ง และมีธนาคารพาร์ตเนอร์ในการปล่อยกู้ซื้อรถยนต์ 10 แห่ง
นอกจากนี้บริษัทยังวางแผนเพื่อจะปล่อยกู้ในส่วน Small Dollar Loan, Small Business Loan (ทั้งคู่เริ่ม launch ภายในปี 2022 และ scale up ในปีถัดไป) และ Mortgage (เริ่ม launch ภายในปี 2023 และ scale up ในปีถัดไป)
ขนาดของตลาดการปล่อยกู้นั้นสูงถึง $6 trillion ซึ่งสามารถ breakdown ได้ดังนี้
• Personal Loan ~ $100 billion
• Auto Loan ~ $727 billion
• Small Dollar Loan ~ $15 billion
• Small Business Loan ~ $644 billion
• Mortgage ~ $4.7 trillion
1
ด้วยความที่ตลาดการปล่อยกู้ที่กล่าวถึงข้างต้นนั้นยังมีความไร้ประสิทธิภาพอยู่มาก และทำให้มีคนเป็นจำนวนมากใน US ไม่สามารถเข้าถึงแหล่งเงินกู้ที่มีอัตราดอกเบี้ยต่ำ (underserved) การกู้เงินกับ nonbank มีอัตราดอกเบี้ยที่สูงมากๆ เช่น APR ของ payday loan อาจสูงมากกว่า 400% เป็นต้น ดังนั้นอนาคตของ Upstart จึงเน้นเจาะเข้าไปที่ลูกค้าที่อยู่ในกลุ่มนี้ ซึ่งธนาคารขนาดใหญ่และ neo bank บางแห่งไม่ได้เข้ามาเล่นในตลาดลูกค้ากลุ่มนี้เลย ซึ่งจะทำให้ Upstart มีฐานข้อมูลของลูกค้ากลุ่มนี้ (Grade C and below – FICO score lesser than 670) มากขึ้น และจะทำให้ Upstart สามารถ train AI model ให้มีความแม่นยำมากขึ้นได้
เมื่อมีผลิตภัณฑ์เงินกู้เพิ่มขึ้น Upstart ก็สามารถช่วยธนาคารพาร์ตเนอร์ให้ cross-selling ผลิตภัณฑ์เงินกู้อื่นๆให้กับกลุ่มลูกค้าเดิม ซึ่งจะช่วยให้จำนวนเงินกู้ที่ปล่อยผ่าน Upstart Platform มีมากขึ้นในอนาคต
Risks
ความเสี่ยงหลักๆ ของ Upstart สรุปได้ดังนี้
1
• AI-based underwriting model ที่บริษัทพัฒนาขึ้น ยังไม่เคยผ่านวิกฤตทางการเงิน จึงยังไม่สามารถตอบได้ว่า เมื่อเจอวิกฤตทางการเงินครั้งใหญ่ขึ้นมา model นี้จะ perform ได้ดีมากน้อยแค่ไหน และดีกว่า FICO score หรือไม่
3
• Macro-economic condition ที่แย่จะส่งผลให้มียอดปล่อยกู้ลดลง ซึ่งจะกระทบกับ fee ที่บริษัทได้รับ
• บริษัทต้อง comply กับ regulations ที่มีมากมาย ซึ่งในแต่ละรัฐก็มีกฎเกณฑ์การปล่อยกู้ที่แตกต่างกัน
• Execution risks – การเข้าไปทำการปล่อยกู้ใน segment ใหม่ๆ อาจไม่ประสบความสำเร็จเหมือน personal loan
2
Valuations
ผมประเมินมูลค่าบริษัท Upstart ด้วยวิธี DCF โดยมีสมมติฐานดังนี้
• Personal Loan เติบโตจากระดับ $11 billion ไปเป็น $60 billion ในปี 2035
• Auto Loan เริ่มปล่อยกู้ในปีนี้ในระดับ $1.5 billion และขึ้นไปถึง $90 billion ในปี 2035 โดยแบ่งเป็นการกู้รถใหม่ $60 billion และการ refinance $30 billion
• Small Dollar Loan จะเริ่มปล่อยกู้ได้ในปี 2024 และในปี 2035 จะมียอดปล่อยกู้ที่ระดับ $2.3 billion
• Small Business Loan จะเริ่มปล่อยกู้ได้ในปี 2024 และในปี 2035 จะมียอดปล่อยกู้ที่ระดับ $41 billion
• Mortgage จะเริ่มปล่อยกู้ได้ในปี 2025 และจะมียอดปล่อยกู้ที่ระดับ $120 billion ในปี 2035
• ในปี 2035 ยอดปล่อยกู้รวมผ่าน Upstart Platform จะมีจำนวนประมาณ $316 billion หรือคิดเป็นส่วนแบ่งการตลาดที่ 5% ของยอดปล่อยกู้รวมที่ $6 trillion ณ ปี 2021
1
• Take-rate fee สมมติให้ไม่เปลี่ยนแปลงจากอัตราที่ทำได้จาก Personal Loan
• Operating Income margin ทยอยเพิ่มจาก 12.5% เป็น 15%
• WACC ทยอยลดลงจาก 12% เป็น 10%
• Terminal Growth 3%
• Net-reinvestment = 0 เนื่องจากธุรกิจแบบนี้ไม่น่าลงทุน physical asset อย่างมีนัย
1
มูลค่าบริษัทที่ผมคำนวณได้คือ $18 billion หรือ $186 ต่อหุ้น
รายละเอียดการคำนวณต่างๆปรากฏดังแสดงในรูป
Upstart Valuation
Originated Loan Forecast by Segment
Originated Loan Volume - Forecast to 2035
Final Remarks
ภาพใหญ่ของ Upstart คือการเข้าไปแก้ปัญหา inefficiency ที่มีอยู่ในระบบการปล่อยเงินกู้ในปัจจุบัน นั่นคือกลุ่มคนที่มีเครดิตสกอร์ต่ำ ให้สามารถกู้เงินได้ โดยใช้ AI/ML เข้ามาช่วยในการพิจารณาความเสี่ยงในการปล่อยกู้
การลงทุนในบริษัทนี้มีความเสี่ยงสูง เนื่องจากมูลค่าของบริษัทนี้ทั้งหมดทั้งมวลขึ้นอยู่กับ underwriting model ที่พัฒนาขึ้น ซึ่งแม้ผมจะคิดว่ามีศักยภาพในการแก้ปัญหาที่กล่าวถึงข้างต้น แต่ก็ต้องลงทุนด้วยความระมัดระวัง และติดตามอย่างใกล้ชิด
โฆษณา