For å følge IFRS9-regelverket og benytte fremadstrebende informasjon for å kalkulere forventede kredittap, er finansinstitusjoner pålagt å modellere bevegelser over tid i observert misligholdsfrekvens for subsegmenter av sin portefølje. I DNB er dette gjort gjennom OLS-regresjon hvor en kredittsyklus generert av vektet observert misligholdsfrekvens for spesifiserte segmenter som avhengig variabel, og eksterne makrovariabler som forklaringsvariabler. Utfordringen ligger i å finne korrekte variabler å benytte som forklaringsvariabler, og videre vite hvilken transformasjon av disse variablene som skal benyttes. Dette var tidligere en tidkrevende prosess i DNB, som ikke ga tilstrekkelig hjelp til å finne optimal modell for å beskrive kredittsyklusen. Programmet utviklet for denne oppgaven har som må å øke denne hjelpen ved å gjøre et brute-force søk hvor alle potensielle kombinasjoner av potensielle forklaringsvariabler er testet. Programmet har også som må å gjøre dybdeanalyse av spesifiserte modeller mer strømlinjeformet og effektivt.