Credit scoring

Solo disponible en BuenasTareas
  • Páginas : 46 (11347 palabras )
  • Descarga(s) : 0
  • Publicado : 22 de noviembre de 2010
Leer documento completo
Vista previa del texto
Modelos de Credit Scoring - Qué, Cómo, Cuándo y Para Qué -

Matías Alfredo Gutiérrez Girault1 Octubre de 2007

Resumen
Introducidas en los 70’s, el uso de técnicas de credit scoring se generalizó en los 90’s gracias al desarrollo de mejores recursos estadísticos y computacionales. Hoy en día prácticamente todas las entidades financieras emplean estas metodologías al menos para originar susfinanciaciones. Dada su relevancia en el proceso de gestión crediticia, el objetivo de este trabajo es clarificar algunos aspectos asociados a los modelos de credit scoring: qué son, qué técnicas se pueden usar para construirlos y cuáles son más convenientes, qué variables emplean, qué aplicaciones se han desarrollado a partir de ellos y, sobre todo, cómo funcionan y deben interpretarse susresultados. Con el sólo propósito de servir como ejemplo, con datos de la Central de Deudores del Sistema Financiero se construyó un modelo de credit scoring que facilita entender el funcionamiento de estas herramientas.

Analista Principal. Gerencia de Investigación y Planificación Normativa, Subgerencia General de Normas, Banco Central de la República Argentina (BCRA). Agradezco los comentariosrecibidos de Fernando Castelpoggi y Verónica Balzarotti, los comentarios y revisión de Cristina Pailhé y el apoyo brindado por José Rutman para su realización. Las opiniones vertidas en este trabajo son de mi autoría y no expresan una posición oficial del BCRA. Cualquier error remanente es de mi absoluta responsabilidad. Email: mggirault@bcra.gov.ar.

1

I. Introducción La utilización de modelosde credit scoring para la evaluación del riesgo de crédito, es decir, para estimar probabilidades de default y ordenar a los deudores y solicitantes de financiamiento en función de su riesgo de incumplimiento, comenzó en los 70’s pero se generalizó a partir de los 90’s. Esto se ha debido tanto al desarrollo de mejores recursos estadísticos y computacionales, como por la creciente necesidad porparte de la industria bancaria de hacer más eficaz y eficiente la originación de financiaciones, y de tener una mejor evaluación del riesgo de su portafolio. Estos modelos generalmente se asocian a lo que se ha dado en llamar data mining (minería de datos), que son todos aquellos procedimientos que permiten extraer información útil y encontrar patrones de comportamiento de los datos. Por este motivo,la minería de datos no es una disciplina en sí, sino un conjunto de técnicas con origen diverso, pero en general con raíz estadístico matemática. A pesar de la proliferación de los modelos de credit scoring, el juicio humano (o juicio del analista) continúa siendo utilizado en la originación de créditos, en algunos casos expresado como un conjunto de reglas que la entidad aplica de manerasistemática para filtrar solicitudes o deudores. De hecho, en la práctica ambas metodologías muchas veces coexisten y se complementan, definiendo sistemas híbridos. En el caso de la Argentina, un estudio realizado por el Banco Central de la República Argentina (BCRA)2, mostró la amplia difusión que tienen estas técnicas para evaluar al portafolio minorista en la originación y, en menor medida, en elseguimiento de los créditos. Los resultados también mostraron que estas técnicas no han desplazado al juicio humano en la originación de los créditos: en general un score o puntaje adverso determina la denegación de una solicitud de financiamiento, mientras que un score por encima del mínimo admitido por la entidad financiera dispara análisis posteriores con los que la evaluación continúa. A su vez, laregulación del BCRA admite que, sujeto a ciertos límites y condiciones, las entidades que en la originación de sus créditos a personas físicas empleen modelos de credit scoring apropiados puedan solicitarles menos requisitos3. El objetivo de este documento es clarificar diversos aspectos de los modelos de credit scoring: qué son, qué tipos de modelos hay y qué variables emplean, cómo se...
tracking img