SISTEMA DE CREDIT SCORINGAPLICADO A MICROEMPRESASAPLICADO A MICROEMPRESAS

Andrés Bernal E.

Gerente Comercial

Viviana Manríquez F.

Asesora Gerente Comercial

Banco del Desarrollo División Microempresas

Scotiabank Group

• Contextualización

• Entender la fenomenología

• Decisiones estratégicas

• Construcción de Modelo

TEMARIO

• Construcción de Modelo

• Resultados obtenidos

• Implementación del Modelo

• Conclusiones

Contextualización

�Creciente consenso en la importancia de la pequeña producción como ente dinamizador de la economía

�Prácticamente la mitad de la población económicamente activa lo hace por cuenta propia o en empresas de menos de cinco personas.empresas de menos de cinco personas.

�La riqueza de las naciones es más débil cuando la pequeña producción es escasa y, que en cambio, la fortaleza de este sector es muy importante para un crecimiento sostenido e innovador.

�Por último, constituye un importante eslabón para tender a la equidad en la generación de riqueza.

�Políticas Públicas orientadas a estructurar un medio ambiente adecuado para este sector y a establecer condiciones propicias para su desarrollo:

Incentivo al mercado para que provean las ofertas fundamentales para su existencia; tales como:

Contextualización

fundamentales para su existencia; tales como: Financiamiento, asistencia comercial, asistencia técnica, capacitación – formación, articulación, etc.

�A pesar de esfuerzos desplegados en los últimos 10 años, aún la microempresa se encuentra desprovista de financiamiento, el que por su particular complejidad requiere de tecnologías apropiadas que permitan estructurar ofertas masivas y eficientes.

Entender la fenomenología

� MERCADO MASIVO

� VARIABILIDAD DE FLUJOS

� COMPETENCIA EMPRESARIAL

RECONOCEMOS QUE ESTAMOS EN PRESENCIA DE UN FENOMENO

ESTOCASTICO Y NO LINEAL

Decisiones estratégicas

� CONSTRUIR UN MODELO LINEAL (Regresión Logística)

� ¿POR QUÉ?

� Primera experiencia de esta banca, queríamos utilizar técnicas más probadas técnicas más probadas

� Disposición para asumir costos de escalamiento

� Disposición para asumir menores eficiencias del modelo predictivo (que siempre podremos solucionar de otras formas – modelos de decisión, puntos de corte)

Nuestro objetivo final era el APRENDIZAJE

Empresas especialistasconocidas en el Mercado

Consultores del DII de la Universidad de Chile

¿Cómo lo hacemos?

Con recursos propios

Decisiones estratégicas

Nuestro objetivo final era el APRENDIZAJE�Decisión:

Contratar los Servicios del DII y tener una contraparte técnica al interior de Microempresas que trabajara en conjunto con los Consultores

Nos permitió trabajar en equipo con ellosNos permitió aprender técnicas de desarrollo de Modelos predictivos

Construcción de ModeloConstrucción de Modelo

Construcción de Modelo

1.- TECNICA DE MODELACION

REGRESION LOGISTICA

Variables independientes

VariableObjetivo

Variable dependiente dicotómica:

Medidas al otorgamientodel crédito

independientes Objetivo

Variables de comportamientodel crédito anterior

Medida al final de la vida del crédito

Bueno - Malo

¿Modelopor

segmentos?

¿ModeloGlobal? ¿Modelo

2.- TIPOS DE MODELO

Construcción de Modelo

Global? ¿Modelo sólo para clientes Nuevos?

¿Modelopara clientesAntiguos?¿Behavior Scoring?

¿Y las campañas?

�Estamos frente a un Modelo Lineal :�Nos importaba la homogeneidad de la muestra

�Decisión:Generar dos enfoques alternativos:

Construcción de Modelo

Generar dos enfoques alternativos:

Enfoque Global y Enfoque por Segmentos

Enfoque Global Enfoque por Segmentos

Construcción de Modelo

� 1 modelo por segmento

4.681 créditos23,9% malos

2.630 créditos14,6% malos

NUEVOS

ANTIGUOS

�1 único modelo

7.311 créditos20,1% malos

Modelo GlobalUn solo modelo para Nuevos y Antiguos

No considera variables de comportamiento

Modelo NuevosClientes nuevos o con inactividad mayor a 2 años

Construcción de Modelo

Clientes nuevos o con inactividad mayor a 2 años

Modelo AntiguosClientes con historial crediticio

Información en los últimos 2 años

Modelo CampañasMínimo N° de variables

Aplicable sólo a campañas

3.- SELECCION DE LOS PRODUCTOS

Créditos a Plazo Fijo

Mercado de la Microempresa: Créditos Cuota Flexible

Créditos Cuota Cuotón

Construcción de Modelo

Créditos en cuotas fijas mensuales85% del stock de colocaciones totales

Créditos Cuota Cuotón

Líneas de Crédito

Para el desarrollo del Modelo sólo se consideraron

4.- DEFINICION DE LA MUESTRA

Considerando sólo créditos en cuotas fijas mensuales:

Nos enfrentamos con los siguientes desafíos para seleccionar la muestra:

Construcción de Modelo

Distintas tecnologías de evaluaciónutilizadas en el pasado

Calidad de las Bases de datos de clientes:Información a la Evaluación

Calidad de las Bases de datos de créditos:Información de comportamiento

Distintas tecnologíasde evaluación

Utilizadas en el pasado

Calidad de las Basesde datos de clientes:

Información a la Evaluación

Calidad de las Basesde datos de créditos:

Información decomportamiento

Construcción de Modelo

ConsiderarSólo créditosEvaluados conTecnología

PER

ConsiderarSólo créditos

con posibilidad derescatar

Información ala fecha de evaluación

ConsiderarSólo créditos

con informaciónen Kardexde pago

Construcción de Modelo

Conformación final de la muestra

Créditos en cuotas fijas,

que fueron evaluados utilizando tecnología PER,

otorgados en los años 2004, 2005, y 2006

Variables al momento de la evaluación:Se contaba con un total de 547 variables distintas,

distribuidas como:

5.- SELECCIÓN VARIABLES INDEPENDIENTES

Construcción de Modelo

distribuidas como:Variables propias del cliente = 352Variables propias del producto en evaluación = 13Variables generadas = 182TOTAL = 547

6.- VARIABLE OBJETIVO:

DEFINICION DE CLIENTES BUENOS Y MALOS

Construcción de Modelo

� Se utilizó información de morosidades promedio y morosidades máximas por crédito

� Objetivo final: RENTABILIZAR LA CARTERA:� Objetivo final: RENTABILIZAR LA CARTERA:

Definición de BUENO y MALO: no sólo consideró aspectos de riesgo

Tomar en cuenta índices de Rentabilidad

7.- MODELO DE SEGUMIENTO

Construcción de Modelo

� Mercado de la Microempresas:

Mercado Cambiante

Se hacía necesario contar con una herramienta queNos permita controlar que a pesar de cambios, el Nos permita controlar que a pesar de cambios, el

modelo sigue siendo aplicable

Se diseño una herramienta específica de control:

Se basa en determinar los intervalos de confianza de los parámetros beta del Modelo que permita

revisar la estabilidad de las poblaciones asociadas.

RESULTADOS OBTENIDOS

Resultados obtenidos

Modelo Global

9 variables

KS conjunto train = 0.39KS conjunto train = 0.39

KS conjunto test = 0.36

Resultados obtenidos

Modelo Nuevos

9 variables

KS conjunto train = 0.43KS conjunto train = 0.43

KS conjunto test = 0.42

Resultados obtenidos

Modelo Antiguos

10 variables

KS conjunto train = 0.44KS conjunto train = 0.44

KS conjunto test = 0.46

Implementación del Modelo

PLAN PILOTO

1. Evaluación centralizada con 2 supervisores utilizandoel Modelo (Aplicación en Macros Excel)

2.- Se eligieron 2 zonales regionalesBajo RiesgoBajo RiesgoMás alto Riesgo

3.- Se eligieron puntos de corte: tres zonas

Aprobación automáticaZona de decisión por ComitéRechazo automático

Implementación del Modelo

4.- Se diseño un seguimiento a nivel de usuarioy a nivel de predicción de los créditos

5.- Se diseño un “competencia” con otro modelo5.- Se diseño un “competencia” con otro modelode evaluación basado en el comportamiento de clientes antiguos

Implementación del Modelo

QUE ESPERAMOS DE ESTE PLAN PILOTO?

1.- Calibrar los puntos de corte

2.- Controlar tasas de Aceptación y Rechazo

3.- Rediseñar y/o afinar los procesos crediticios

4.- Decisiones de implementación

PLANES DE IMPLEMENTACION

1.- Masificar a todo la Banca

Incorporar el modelo de Scoring a la Plataforma de Evaluación on-line que utilizan los ejecutivos en sucursales

Implementación del Modelo

sucursales

2.- Sistema de Administración de Scoring

3.- Incorporar el Modelo Scoring Campañas al proyecto FABRICA DE PRODUCTOS

Existe un módulo de cálculo de Scoring dentro este proyecto

Proceso 2:Evaluación de Riesgo

Proceso 1: Captura de Datosy Validación de la Información

Cliente

Cliente

Procesoindividual

Procesomasivo

Proceso 4:Otorgamiento deproductos

Proceso 3:Gestión de cartera

Cuenta Vista conLínea de Crédito

Tarjeta de Crédito

Crédito en cuotas

Productos de normalización

Productos deAhorro

Clientes rechazadosPolíticas

Proceso 2:Evaluación de Riesgo

Clientes aprobadosPolíticas

Proceso de evaluación:Aplicación de Políticas

Cálculo de scoring forma parte de un nuevo

Sistema de Administración

Implementación del Modelo

Clientes aprobados

Cálculo de Scoring

Proceso de gestión de Cartera

Clientes rechazadosScoring

Sistema de Administración de Scoring

Sistema de administración de Scoring:

�Sistema mantiene y almacena la información necesaria para el cálculo de la probabilidad de pago

�Sistema mantiene y almacena la información de

Implementación del Modelo

�Sistema mantiene y almacena la información de variables obtenidas para cada cliente evaluado, la probabilidad de pago obtenida y la decisión de aprobación o rechazo :

�Lleva el seguimiento y retroalimentación del modelo

ConclusionesConclusiones

Conclusiones

CONCLUSIONES DE LA CONSTRUCCION DEL MODELO

� Validación de la decisión de contratar un Proveedor externo con una fuerte contraparte técnica interna

�Alto aprendizaje para la empresa�Alto aprendizaje para la empresa�Alto control del desarrollo del proyecto

� Resultados que consideramos satisfactorios �posibilitan incorporar en los modelo de evaluación crediticia esta herramienta

� Nos dimos cuenta de deficiencias en la generación y administración de nuestros datos