Construcción de un modelo de scoring para el otorgamiento de

crédito en una entidad financiera

Una de las necesidades más importantes de las instituciones crediticias es tener criterios confiables para determinar a quienes deben otorgar el crédito y en qué medida hacerlo.

En 1941, David Duran diseña el primer modelo de scoring estadístico

INTRODUCCION

El papel que cumple en la economía el sistema financiero es innegable, puesto que es el encargado de captar el superávit existente en algunos agentes económicos, el cual, posteriormente coloca en manos de otro grupo de agentes que lo se invertirá en proyectos (crédito comercial) o se usará para cubrir ciertas necesidades de consumo (crédito de consumo).

RELEVANCIA E INESTABILIDAD DEL SISTEMA FINANCIERO

el sistema financiero reduce en gran medida externalidades como los costos de transacción selección adversa, riesgo moral y problemas de agencia.

También, es importante tener en cuenta que el sistema financiero es inestable, como lo hace ver el trabajo de Minsky (1992) con la hipótesis de la inestabilidad financiera

RELEVANCIA E INESTABILIDAD DEL SISTEMA FINANCIERO

la momentánea estabilidad financiera, es la que hace que las instituciones bancarias apoyadas en una particular confianza promovida por el crecimiento económico, otorguen un mayor número de créditos con un mayor riesgo, generando una mayor liquidez en la economía e inflando los precios, esto debido a la especulación financiera, puesto que cuando la burbuja finalmente estalla, se encuentra una cartera vencida alta y finalmente una crisis financiera de grandes proporciones.

RELEVANCIA E INESTABILIDAD DEL SISTEMA FINANCIERO

REVISION DE LITERATURA: SCORING ESTADISTICO

El credit scoring o scoring estadístico “predice si el cliente cumplirá o no con su obligación financiera, estimando la probabilidad de que el crédito sea “bueno” o “malo” y dando una puntuación al mismo. Se trata de una metodologia que pronostica el riesgo futuro por el incumplimiento de pagos en una ventana de tiempo determinada”

Tomando en cuenta factoes demograficos y el buro de credito .

CONCEPTO

•se utiliza este puntaje para la aceptación o rechazo de las solicitudes de crédito. Los tipos de variables utilizadas son demográficas y de buro de crédito.

Score de originacion

•Predice la probabilidad de incumplimiento de los clientes que ya son objeto de crédito en la institución. Se utilizan las variables de comportamiento de las cuentas dentro de la propia institución

Score de comportami

ento

•para estimar la probabilidad de recuperar a un cliente. Las variables utilizadas resultan de la combinación de variables de comportamiento y buro de crédito

Colection score.

Tipos de score

El scoring estadístico cuantifica el riesgo y tiene ventajas potenciales importantes cuando se compara con el scoring implícito o subjetivo:

Cuantificación del riesgo como una probabilidad:

Es consistente Considera una amplia gama de factores Puede probarse antes de usarlo

ventajas

Revela las relaciones entre el riesgo y las características del prestatario, el préstamo, y el prestamista

Reduce el tiempo gastado en cobranza

ventajas

El scoring estadístico tiene varias desventajas.. Como scoring es una herramienta poderosa, su mal uso puede ser muy perjudicial.

Requiere información de calidad adecuada Requiere un consultor Depende de su integración con el SIG Supone que el futuro será como el pasado Funciona con probabilidades, no con certezas Es susceptible al mal uso El uso de ciertas características puede ser

ilegal o inmoral

desventajas

Los principales métodos estadísticos y no estadísticos usados en la construcción de modelos de scoring estadístico son:

Analisis discriminante Regresión logística Redes neuronales Scoring basado en el juicio Regresión lineal Métodos de programación matemática Arboles de decisión Sistemas expertos Métodos no parametritos

Metologia

tiene como objetivo analizar la relación entre una variable dependiente categórica y un conjunto de variables independientes cuantitativas, a partir de una serie de funciones discriminantes, que son combinaciones lineales de las variables independientes que mejor discriminan o separan los grupos

Metodologia – analisis discriminante

. El enfoque de scoring estadístico consiste en considerar como nodos de entrada las características o variables de la operación de crédito. Y el nodo de salida seria la variable respuesta definida como la probabilidad de ser préstamo malo

Metologia – redes neuronales

Esta técnica consiste en una selección de indicadores y asignación de puntos tomando como base la experiencia de los asesores. El puntaje se asigna de acuerdo a un criterio subjetivo.

Metodologia - Scoring basado en el juicio

los modelos de regresión logística permiten calcular la probabilidad que tiene un cliente para pertenecer a unos de los grupo establecidos a priori (no pagador o pagador). La clasificación se realiza de acuerdo al comportamiento de una serie de variables independientes de cada observación o individuo.

Metodologia- regresion logistica

Las variables de entrada para modelos scoring pueden clasificarse en tres grandes grupos: Numéricas o Cuantitativas: Toman un rango de

valores numéricos (Ej.: ingreso, edad, número de dependientes).

Categóricas o Cualitativas: Sirven para codificar categorías en los datos (Ej.: profesión, género, estado civil).

Cruzadas: Son el resultado de realizar un manejo de consultas lógicas de campos de la base de datos. Pueden realizarse cruces entre variables cualitativas o entre cualitativas y cuantitativas (Ej.: Mujer y menor de 30 años, Hombre y nivel de ingreso sobre $us 1,000).

DESCRIPCIÓN DE LAS VARIABLES

Género Edad Estado civil Nivel educativo Nivel de ingresos Nivel de endeudamiento Nivel patrimonial Profesión / Actividad económica Antigüedad y estabilidad laboral Número de dependientes

Variables de modelos de scoring para personas

Retorno sobre activos (ROA) Retorno sobre patrimonio (ROE) Utilidad (antes o después de

impuestos) Nivel de ventas anuales Tamaño de la empresa Índice de liquidez Nivel de endeudamiento

Variables de modelos de scoring para empresas

El score numérico es una medida de tipo ordinal que compara distintas operaciones dentro de una cartera o portafolio. La probabilidad de incumplimiento es una medida estandarizada que, siendo una probabilidad, se encuentra entre 0 % y 100 %, por lo que generalmente es más fácil de interpretar. Al respecto se aplica:“A mayor score (puntaje numérico), menor probabilidad de incumplimiento, y a menor score, mayor probabilidad de incumplimiento”.

MODELO DE SCORING PARA LA OTORGACIÓN DE CRÉDITOS

Por lo general, existen dos tipos de modelos de scoring:1. Scoring de aprobación o de evaluación de

solicitudes para créditos nuevos.2. Scoring de gestión o de comportamiento,

que realiza seguimiento a los clientes ya incorporados dentro de la EIF y permite generar y automatizar algunos procesos tales como: Estimación de previsiones. Acciones de cobranza. Detección preventiva de fraude. Análisis de mercadeo para medir niveles de

consumo, lealtad y deserción. Proveer ratings que diferencien clientes.

Como parte de la implementación de modelos internos, se puede realizar una preselección con el fi n de depurar las variables de entrada que utilizará el modelo.Para realizar esta preselección de variables se utilizan algunas metodologías como las siguientes: Análisis estadístico. Análisis por componentes principales. Análisis de factores.Ambas metodologías explotan datos donde existe mayor varianza, lo que permite desagregar en un mayor número de subgrupos la población, mejorando el análisis y conocimiento de la cartera y sus riesgos asociados.

ANÁLISIS DE DATOS

Con base en la experiencia internacional, al comparar diferentes modelos de scoring se encuentran en promedio las siguientes participaciones de los tipos de variables en la ponderación total de los clientes:Scoring de aprobación:

Variables Cualitativas: 40% Variables Cuantitativas: 30% Variables Cruzadas: 30%

Scoring de comportamiento: Variables Cualitativas: 7% Variables Cuantitativas: 80% Variables Cruzadas8: 13%

La desviación crediticia en un banco, cuando el oficial de créditos dio el préstamo para una casa pero el cliente lo invirtió en un auto ahí es donde se produce una desviación crediticia.

DESVIACIÓN CREDITICIA

En los créditos de vivienda debe darse especial importancia a La política que la EIF emplee en la selección de los

prestatarios, A la valuación y formalización de acuerdo a ley del

bien inmueble que sirve como garantía de la operación y que es objeto del crédito,

A la determinación de la capacidad de pago del deudor

A la estabilidad de la fuente de sus recursos. Por su naturaleza los créditos de vivienda deben ser calificados en función a la morosidad.

Evaluación y Calificación de deudores con Créditos de Vivienda

Categoría A: Se encuentran al día o con una mora no mayor a 30 días.

Categoría B: Se encuentran con una mora entre 31 y 90 días.

Categoría C: Se encuentran con una mora entre 91 y 180 días.

Categoría D: Se encuentran con una mora entre 181 y 270 días.

Categoría E: Se encuentran con una mora entre 271 y 360 días.

Categoría F: Se encuentran con una mora mayor a 360 días.

Calificación de Créditos de Vivienda

Categoría A: Se encuentran al día o con una mora no mayor a 5 días.

Categoría B: Se encuentran con una mora entre 6 y 30 días.

Categoría C: Se encuentran con una mora entre 31 y 55 días.

Categoría D: Se encuentran con una mora entre 56 y 75 días.

Categoría E: Se encuentran con una mora entre 76 y 90 días.

Categoría F: Se encuentran con una mora mayor a 90 días.

Los microcréditos deben ser evaluados y calificados según lo siguiente:

Para gestionar apropiadamente una cartera de créditos y realizar una colocación adecuada de los recursos, las Entidades de Intermediación Financieras se ven en la necesidad de medir el riesgo de crédito.

El estudio, que debe contemplar una postura respecto a operar o no con un determinado préstamo, y en caso de operar cual es el monto adecuado. Así para minimizar riesgos.

CONCLUSIÓN