Escoring

ESTADISTICA ESPAÑOLA

Vol. 34, Núm. 130, 1992, págs. 261 a 283

Algunos aspectos sobre el análisis empírico de credit scoring
por MERCEDES GRACIA-DIEZ y GREGORIO R. SERRANO (^`)
Departamento de Economía Cuantitativa Facultad de Ciencias Económicas Universidad Complutense

RESUMEN Un problema frecuente en análisis empíricos de credi# scoring es que las muestras existentes no sonaleatorias, sino que resuitan de un mecanismo de selección. Para corregir el sesgo derivado de la selección muestral y obtener consistencia se necesita, en principio, utilizar una muestra censurada (formada por créditos concedidos y denegados) y estimar un modelo bivariante con observabilidad parcial. En este artículo se trata este problema y, además, su principal aportación es presentar un procedimientopara obtener consistencia en el caso más restrictivo, pero habitual en la práctica, en que la muestra disponible está truncada (formada solamente por créditos concedidos). Palabras clave: Estimación de probabilidades de morosidad, sesgos

(*) Las cuestiones que planteamos en este trabajo han surgido a partir de un análisis de credi# scoring realizado con datos de una entidad financiera española.No se incluyen los resultados empíricos obtenidos por razones de confidencialidad. Por tanto, el objetivo del artículo es presentar un tratamiento general y metodológico de este problema. Queremos agradecer a Rafael Flores, Alberto Mauricio, dos evaluadores anónimos, y, muy especialmente, a Miguel Jerez y Alfonso Novales sus comentarios y sugerencias. Todos los errores son nuestros.

^^^ t;^^^^ti r^^ ,^ ^^ti^^,^tvn^ ^^

derivados de la selección muestral, estimación consistente con muestras censuradas y truncadas. Clasificación AMS: 62D05.

1.

INTRODUCCION

EI problema de credit scoring, esto es, la toma de decisiones óptimas por parte de las entidades financieras para la concesión de créditos a individuos o instituciones privadas, ha sido objeto de estudio en la literaturadurante los últimos años [ver Altman et al. (1981) y Srinivasan y Kim (1987), que presentan un tratamiento general del problema y resumen otros trabajos]. Este es, adernás, un tema de interés práctico en nuestro país, donde las pérdidas por morosidad que sufren ias entidades financieras están aumentando considerablemente en la actualidad (1). EI planteamiento de un análisis de credit scoring puederesumirse de la siguiente manera: el objetivo de la entidad financiera (EF) es maximizar el beneficio derivado de la concesión de un volumen de crédito, y el problerna se reduce a decidir si se concede o no se concede cada crédito individual sobre la base de su rendimiento esperado. Para optimizar esta decisión, la EF debe conocer la probabilidad que tiene cada solicitante de presentar problemas demorosidad. Por lo tanto, los trabajos empíricos se centran en estimar estas probabilidades a partir de las características personales del individuo y del crédito que solicita, utilizando como información inicial el comportamiento de otros individuos que han recibido un crédito previamente en condiciones similares. En este trabajo tratamos algunos aspectos relevantes que deben tenerse en cuenta ala hora de estimar las probabilidades de morosidad. Un problema importante procede de la naturaleza de las muestras disponibles, debido a que la EF no concede todos los créditos solicitados, sino que sólo los individuos que cumplen un criterio de selección determinado obtienen el crédito. Por lo tanto, una muestra de créditos concedidos es una muestra truncada, hecho que no debe ignorarse a la horade estimar consistentemente las probabilidades poblacionales de morosidad. Para obtener estimaciones óptimas de las probabilidades de morosidad se necesita, en principio, disponer de una muestra censurada, que contenga infor(1) Según datos del Banco de España, «la morosidad en bancos y cajas de ahorros ascendió durante los doce meses del pasado año (1990) a 273.000 millones de pesetas, cifra...