Universidad de Concepcion

Fac. Cs. Fisicas y Matematicas

Depto. Estadstica
1 INTRODUCCI

ON
Ficha de Libro
Pablo Medina Cabezas
Credito al Consumo: La Estadstica aplicada a un problema de
Riesgo Crediticio
Soraida Nieto Murillo.
1. Introducci on
Las instituciones nancieras tienen dentro de sus necesidades mas importantes poseer criterios de
determinacion conables para decidir a quienes deben otorgar un credito. Es por ello que es fundamental
medir el riesgo que se incurre cuando se otorga un credito, y fundamentalmente reducirlo a su mnima
expresion cuando se presentas clientes nuevos, porque as se debiera reducir la perdida economica esperada
por la toma de malas decisiones.
El metodo de credit scoring es una herramienta que se utiliza para discriminar los buenos clientes de
los malos. Presenta una metodologa que es capaz de pronosticar el riesgo futuro de no pago en un periodo
de tiempo (6 meses).
Para estimar el modelo de utilizan datos de un cliente que provienen de dos fuentes; basados en la
informacion proporcionada por el cliente, y construccion de informacion de otras instituciones (experiencia
externa). Este metodo es capaz de asociar a clientes semejantes, y reduce el tiempo de espera en el otorga-
miento de un credito una vez que este implementado en el sistema de la institucion nanciera, en comparacion
al tiempo que tomara un analista en tomar la decision.
Los modelos scoring dan una referencia en la toma de decisiones para el otorgamiento de un credito.
Lo cual conlleva una mayor objetividad en el proceso de evaluacion de riesgo. Para que el modelo sea capaz
de cumplir de buena manera la estimacion de un cliente considerado ?malo?, requiere de la actualizacion
permanente de los datos, examen y ajuste periodico del modelo para poder incorporar cambios en el contexto
economico.
Tecnicas estadsticas utilizadas para desarrollar modelos de scoring son:
Analisis multivariado
Regresion lineal m ultiple
Regresion logstica
Arboles de decision
Redes neuronales
Las instituciones nancieras presentas polticas para: la aceptacion de clientes nuevos, es decir denen un
puntaje mnimo de aceptacion para un cliente nuevo, denicion de clasicacion de clientes en buenos y
malos. Encontrar un punto optimo de denicion de cliente bueno o malo, no es una tarea sencilla, requiere de
experiencia y profesionalismo del personal a cargo de esta labor, con conocimiento integral del funcionamiento
del negocio para poder discriminar de una manera mas efectiva.
Se dene una muestra donde se construye el modelo, que posteriormente sera comparada con la
poblacion actual para determinar si presentan distribucion similar, para esto se puede utilizar pruebas como
Seminario Proyecto de Titulo 1 Pablo Medina Cabezas
Universidad de Concepcion
Fac. Cs. Fisicas y Matematicas
Depto. Estadstica
2 TARJETAS DE CR

EDITOS
el ndice de estabilidad de la poblacion, la prueba kolmgorov Smirnov (K-S) o la prueba ji-cuadrado. Una
proporcion de la muestra se utiliza para estimar el modelo (muestra de desarrollo) el resto se utiliza en la
validacion del modelo (muestra de validacion). Para medir la ecacia del score se utiliza el ndice de Gini, la
divergencia del estadstico K-S, (diferencias entre las media de buenos y malos).
La informacion externa de credito permite analizar el comportamiento de un cliente en otras institu-
ciones nancieras, y ayudan a mejorar la prediccion del modelo. Lo mismo ocurre con la informacion que
puedan aportar las areas del negocio inuyentes, para que el modelo sea capaz de representar a la empresa
y no requiera de modicaciones futuras producto de fallas o falta de informacion.
El modelo debe ser monitoreado constantemente, evaluando si se encuentra dentro de los margenes
de clasicaci on de la poblacion actual. El modelo debe ser calibrado para que siga aportando informacion
efectiva y utilizable. Si a un calibrado no entrega buena informacion el modelo debe ser desechado y construir
otro.
2. Tarjetas de Creditos
Las tarjetas bancarias de credito se remontan hacia la segunda decada del siglo XX, en Estados Unidos
cuando se dio auge a este producto.
2.1. Credito
Credito: Compromiso pactado entre una persona o institucion que otorga capacidad de compra por
adelantado al deudor, que puede ser una persona fsica o mora.
Sirven para satisfacer necesidades, pagar deudas, realizar compras, dependiendo de las necesidades del
consumidor y su capacidad de pago.
Las condiciones del acuerdo pueden ser exibles y negociables en; plazos, monto, interes, etc., con el
proposito de terminar en buenos terminos el compromiso adquirido.
2.2. Credito al consumo
Financiamiento otorgado por establecimientos comerciales sobre bienes de consumo duraderos a
plazos o en peque nos pagos.
2.3. Ciclo de Riesgo
a) Originacion: Otorgamiento por vez primera de un credito a un cliente.
b) Administracion: Premiacion a los clientes que mantienen un comportamiento adecuado y castigo a los
que incumplen pagos. Aqu esta la deteccion temprana de cuentas de alto riesgo y es posible realizar
correcciones.
c) Recuperacion: Recuperacion de los clientes que dejaron de pagar. Se realizan actividades de recaudacion
para clientes con scoring alto y para los demas se derivan a otro tipo de cobranzas.
2.4. Estatus de los pagos
a) Fecha de pago: Es la fecha establecida por la institucion (convenida con el cliente) para pagar las
deudas sin que se cobren intereses ni cargos por cobranza.
b) Fecha de cierre: Es el ultimo da de cada mes, donde la institucion nanciera revisa el estado de cuenta
de todos los clientes.
c) Pago mnimo: Es un porcentaje mnimo aplicado al monto total de lo adeudado, que debe cancelarse
antes de la fecha de pago.
Seminario Proyecto de Titulo 2 Pablo Medina Cabezas
Universidad de Concepcion
Fac. Cs. Fisicas y Matematicas
Depto. Estadstica
4 CREDIT SCORING
2.5. Posibles condiciones de un cliente
2.6. Denici on de cliente bueno y malo
3. Herramientas de Estadstica y Probabilidad
3.1. Regresion logstica
Un metodo para clasicar a los clientes de creditos en buenos o malos los modelos de regresion logstica.
A diferencia de los modelos de regresion lineal, estos modelos no exigen supuestos (normalidad de errores,
continuidad de variables, homogeneidad de varianzas). Este tipo de regresion es util para datos con respuesta
que sean del tipo discreto, categorico, ordinal o no ordinales. Se analiza la capacidad predictiva del modelo,
comparando la clasicacion de los individuos al grupo de pertenencia observado y el pronosticado por este.
Se clasica la poblacion en dos grupos, a traves de una distribucion de probabilidad. Donde la pro-
babilidad estima el valor de y que asigna al individuo a un grupo, donde esperamos que los buenos clientes
presenten valores cercanos a uno, mientras que los malos clientes valores cercanos a cero.
4. Credit Scoring
4.1. Que es el credit scoring?
El credit scoring es una exitosa coleccion de tecnicas estadsticas que se han utilizado para otorgar
creditos en la industria del credito (cita a psiqueira). Es una tecnica bastante utilizada por las empresas
nancieras, ademas es rentable, dado que una peque na mejora en el desempe no puede signicar un incremento
en las ganancias de las instituciones prestamistas dado los vol umenes de prestamos realizados utilizando
scocring.
4.1.1. Tipos de Score
Los metodos scoring tienen como proposito generar un puntaje de riesgo asociado a un cliente. Como
se denio anteriormente, existen tres etapas en el proceso de entregar un credito donde se utiliza un score,
estos son:
Score de Originacion: Se utiliza en un inicio de un cliente, para estimar la aceptacion o rechazo de
un credito para el cliente, donde se utiliza informacion proporcionada por el y adquirida de manera
externa.
Behaivor Score: Predice la probabilidad de incumplimiento de un cliente que ya es objeto de un credito
en la institucio. Aca se utilizan variables que se pueden generar del comportamiento del cliente dentro
de la institucion.
Coletion Score: Se utiliza en la recuperacion de un credito, para calcular la probabilidad de recuperar
a un cliente.
Seminario Proyecto de Titulo 3 Pablo Medina Cabezas