La Regresión Logística en el Riesgo de Crédito al Consumo Act. José Fernando Soriano Flores

Act. José Fernando Soriano Flores Actuario – Facultad de Ciencias – UNAM [2005] Profesor de Asignatura – Facultad de Ciencias – UNAM [2004-Actual] Experiencia en la Administración de Riego de crédito por 12 años. Director de Riesgo en Banca Transaccional – INVEX Banco [6 años]

Agenda Introducción Administración de Riesgo en Crédito al Consumo Modelos Scoring Construcción (Regresión Logística) Conclusiones

Introducción Una crisis económica se produce cuando tiene lugar una recesión del crecimiento económico que se genera por diversos factores, aunque por regla general, lo más común es una situación de escasez generada por algún tipo de acontecimiento que provoca una drástica reducción de la producción referente tanto a los alimentos como a los diversos tipos de bienes y servicios. Algunos de estos acontecimientos son provocados por las crisis Bancarias.

Introducción

Introducción

Introducción

Introducción

Introducción

Introducción

Administración de Riesgo en Crédito al Consumo Latín “Credititus” Verbo Creyere Creer Permiso para utilizar el capital de otro. Confianza  Incertidumbre Tipos de crédito Créditos Hipotecarios Créditos Personales Créditos Servicios Créditos Revolventes ¿cómo calcular de manera matemática dicha incertidumbre?

Administración de Riesgo en Crédito al Consumo Insertidumbre ¿¿??

Administración de Riesgo en Crédito al Consumo Modelos Paramétricos ¿¿?? Modelos estadísticos perfectamente conocidos y de los cuales se pueden inferir resultados

Administración de Riesgo en Crédito al Consumo Aplicable a cualquier tipo de crédito Doy más Quito Doy No doy Administración Originación Ciclo Riesgo Me pagará no lo hará Recuperación Las variables dicotómicas explican de manera eficiente la administración de riesgo

Modelos Scoring Score de Adquisición: (Adquirir a los mejores clientes) Respuesta: Mal pagador (1) Buen pagador (0) Pesos de variables Variables de Predicción: Solicitud y Buró

Modelos Scoring Score de Comportamiento: (Premiar/Castigar Clientes) Respuesta: Mal pagador (1) Buen pagador (0) Pesos de variables Variables de Predicción: Comportamiento

Modelos Scoring Score de Cobranza: (Recuperar clientes) Respuesta: Núnca pagara (1) Pagara (0) Pesos de variables Variables de Predicción: pago

Construcción de un Modelo Bases y Manejo de la Información: Con el fin de ejemplificar el proceso de elaboración solo veremos el caso de un Modelo de Originación, sin embargo el proceso es aplicable a cualquier construcción de modelos del ciclo de riesgo. En general, las fuentes de información están divididas en dos partes: Originación Información que se obtuvo al originar un cliente Demográfica Sociedad de información crediticia Comportamiento Información del comportamiento de pago del cliente Pago Mora Uso, etc.

Construcción de un Modelo Bandera Bueno/Malo: Para elegir qué cliente paga y que cliente no lo hace, se hace un análisis de Roll Rate. (probabilidad de que un cliente estando en cierto nivel de morosidad avance al siguiente nivel de morosidad): Cuando el cliente supera los 30 días de morosidad la probabilidad de que el cliente avance es muy alta (82%). Bueno : Aquel cliente que supera los 30 días de morosidad Malo : Aquel cliente que no supera los 30 días de morosidad

Construcción de un Modelo Análisis Bi variado: Consiste en analizar dos variables, %Bad (porcentaje de malos) Vs alguna otra, Ejemplo: Nivel de Estudios: A mayor nivel de estudios mayor Mora

Construcción de un Modelo Análisis Bi variado: BC Score: A Mayor Bc Score Menor Mora

Construcción de un Modelo Análisis Bi variado: Edad: A Mayor Edad Menor Mora

Construcción de un Modelo Análisis Bi variado: Estado Civil: Los que tienen pareja son más morosos que los que no tienen. Aunque no es significativa la diferencia

Construcción de un Modelo Análisis Bi variado: Antigüedad en Domicilio: Entre más antigüedad en Domicilio menos morosos

Construcción de un Modelo Regresión Logística: Convirtiendo las variables a Cuantitativas:

Construcción de un Modelo Regresión Logística: Corriendo la regresión en SAS

Construcción de un Modelo Regresión Logística: Corriendo la regresión en SAS

Construcción de un Modelo Damos la indicación de qué queremos pronosticar: a los clientes buenos ó malos Aquí se arrastra la variable a Predecir, en este caso (Bueno ó Malo) Listado de todas las componentes del Data Set Listo para correr regresión, (No aparecen todas por que ya fueron usadas) Listado de todas las Variables Cualitativas, en este caso no hay ninguna (así lo planeamos originalmente) Aquí se arrastran todas las variables cualitativas que van a someterse a la prueba de significancia

Construcción de un Modelo Se define en como SAS va a seleccionar las variables Se define si en el modelo va a ver Constante o no, de aquí se derivan los modelos con puntuación inicial o son puntuación inicial Obligamos a SAS a conciderar alguna variable

Construcción de un Modelo Regresión Logística: Resultado de la regresión: Lo que nos interesa es saber los coeficientes de las variables que SAS consideró como significativas Prueba de significancia (no debe de superar el 5%)

Construcción de un Modelo Calibración del Modelo: Para calibrar el modelo usaremos la siguiente formula: Donde: Puntaje Deseado: Puntaje en el cual queremos comenzar a calibrar el Modelo PDO: Point’s to Double Odd’s Puntaje para Duplicar : bo = Constante encontrada en la regresión bi = Cofeciente de la variable i de la regresión Xi = Valor de la Variable i Ejemplo: A 500 puntos de Score tendremos un Odd de 2 a 1 y cada 40 puntos el Odd se duplicará

Construcción de un Modelo Calibración del Modelo: En SAS:

Validación Kolmogorov Smirnov : 21.2

Conclusiones Una de las principales causas de las crisis económicas son las crisis bancarias. La principal causa de las crisis bancarias son a raíz del riesgo de crédito En general el riesgo de crédito está dado por crédito al Consumo La principal herramienta para desarrollar modelos paramétricos en la administración riesgo de crédito al consumo es la regresión logística

¡GRACIAS! Act. José Fernando Soriano Flores E-mail: act_fernando@hotmail.com E-mail2: jsoriano@invex.com