Límites de crédito Optimizados Business Solutions Manager

Presentación del tema: "Límites de crédito Optimizados Business Solutions Manager"— Transcripción de la presentación:

1 Límites de crédito Optimizados Business Solutions Manager
Rosario, 11 de Noviembre de 2016 Límites de crédito Optimizados Lucas Acebedo Business Solutions Manager NOSIS

2 Agenda Resumen ejecutivo ¿Que son los límites de crédito?
¿Porque son tan importantes? ¿Cómo suelen ser asignados los LC? Debilidades de las estrategias usuales Mejores prácticas en asignación de LC Propuesta: Incorporar un estimador de LC Conclusiones Ejemplos

3 Resumen ejecutivo Los Límites de Crédito (LC) son importantes porque determinan la exposición e influencian el uso de los productos Las estrategias de asignación de LC suelen ser muy complejas y volátiles, pero terminan asignando un % del Ingreso Hay poco uso de scores y están sesgadas hacia un % del ingreso Las mejores prácticas incorporan scores, utilización, seguimiento y mejoras continuas a través de pruebas champion-challenger Se propone un estimador de LC simple y robusto basado en scores y utilización La clave es asignar más LC a los riesgos bajos pero con mayor utilización Se corre un ejercicio de champion-challenger entre 2 estrategias, donde la nueva estrategia genera un incremento del 22,9% de los saldos y una mora 19,9% menor Se presentan algunas conclusiones y ejemplos de estrategias del mercado

4 ¿Que son los límites de crédito (LC)?
Límites de crédito optimizados ¿Que son los límites de crédito (LC)? Monto máximo que se puede girar sobre una línea de préstamos, una TC o una CC. Es por tiempo limitado Es renovable Y esta sujeto a cambios

5 ¿Por qué son tan importantes?
Límites de crédito optimizados ¿Por qué son tan importantes? Determinan la Exposición $$$ Influencian el uso de los productos Bajos LC  no se activan o poco uso Altos LC –> incentivan el fraude y la mora Políticas muy conservadoras pueden llevar a deteriorar toda la cartera. Clientes de riesgo bajo y bajos LC deciden no activar los productos

6 ¿Cómo suelen ser asignados los LC?
Límites de crédito optimizados ¿Cómo suelen ser asignados los LC? Punto de corte de Score y un % del ingreso Igualación de límite máximo en el mercado Algún cálculo de capacidad de pago mensual Límites máximos por “tipos” de cliente Una combinación de las anteriores

7 Debilidades de las estrategias usuales
Límites de crédito optimizados Debilidades de las estrategias usuales Muy a menudo son demasiado complejas

8 Debilidades de las estrategias usuales
Límites de crédito optimizados Debilidades de las estrategias usuales Muy a menudo son demasiado complejas Muchos supuestos y poco análisis de los datos Los LC están sesgados hacia un % del ingreso Los scores no se usan para el cálculo del LC La utilización esta ausente en la estrategia Reportes pobres y seguimientos inadecuados El seguimiento no es sobre una escenario base Poco uso de estrategias Champion-Challenger La culpa la tiene el “Score” que no funciona

9 Mejores prácticas en la asignación de LC
Límites de crédito optimizados Mejores prácticas en la asignación de LC Es un proceso de mejora continua Uso, análisis y medición de datos históricos Uso de Scores y de la utilización de los LC Estrategias simples pero robustas Reportes oportunos y precisos Proyectar y medir sobre un escenario base Reevaluación de supuestos y comportamientos Champion-Challenger en cada área de decisión Debe hacerse este análisis cada vez que: Se implementa una nueva Scorecard Se ataca un nuevo segmento del mercado

10 Propuesta: Incorporar un estimador de LC
Límites de crédito optimizados Propuesta: Incorporar un estimador de LC Introduce rigor empírico basado en los datos históricos Permite una rápida evaluación y desarrollo de nuevas estrategias Automáticamente produce proyecciones financieras Es fácil de explicar a gente no relacionada con el riesgo de crédito Es fácil de adaptar y de implementar Alienta el análisis y la experimentación incluso para gente no-técnica Se usan Scores y el NSE del Bureau, junto con datos internos. Se usa información interna y del mercado obteniendo lo mejor de ambas

11 ¿Cómo Funciona? Límites de crédito optimizados
Se necesitan construir 6 matrices Score x NSE Distribución de cuentas histórico Tabla 1: Volúmen de Cuentas Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo 88 323 729 616 476 Riesgo Medio alto 231 478 1429 1249 1213 Riesgo medio bajo 189 185 527 491 659 Riesgo Muy bajo 266 130 519 475 909

12 ¿Cómo Funciona? Límites de crédito optimizados
Se necesitan construir 6 matrices Score x NSE Distribución de cuentas histórico Tasa de malos en % Tabla 2: Tasa de malos Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo 10% Riesgo Medio alto 6% Riesgo medio bajo 3% Riesgo Muy bajo 1%

13 ¿Cómo Funciona? Límites de crédito optimizados
Se necesitan construir 6 matrices Score x NSE Distribución de cuentas histórico Tasa de malos en % Utilización de las cuentas buenas Tabla 3: Utilización de cuentas buenas Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo 49% 63% 62% 66% 59% Riesgo Medio alto 53% 56% Riesgo medio bajo 39% 42% 48% 40% Riesgo Muy bajo 27% 20% 21%

14 ¿Cómo Funciona? Límites de crédito optimizados
Se necesitan construir 6 matrices Score x NSE Distribución de cuentas histórico Tasa de malos en % Utilización de las cuentas buenas Utilización de las cuentas malas Tabla 4: Utilización de cuentas malas Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo 114% 102% 86% 90% 92% Riesgo Medio alto 101% 82% 81% 79% Riesgo medio bajo 85% 61% 71% Riesgo Muy bajo

15 ¿Cómo Funciona? Límites de crédito optimizados
Se necesitan construir 6 matrices Score x NSE Distribución de cuentas histórico Tasa de malos en % Utilización de las cuentas buenas Utilización de las cuentas malas Límites de crédito sugeridos Tabla 5: Límites de crédito sugeridos Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo $ $ $ $ Riesgo Medio alto $ $ $ Riesgo medio bajo $ $ $ $ Riesgo Muy bajo $ $ $ La clave es asignar más límites a los riesgos bajos pero con mayor utilización

16 ¿Cómo Funciona? Límites de crédito optimizados
Se necesitan construir 6 matrices Score x NSE Distribución de cuentas histórico Tasa de malos en % Utilización de las cuentas buenas Utilización de las cuentas malas Límites de crédito sugeridos Estrategia actual (para comparar) Tabla 6: Estrategia Original Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo $ $ $ $ $ Riesgo Medio alto $ $ $ $ $ Riesgo medio bajo $ $ $ $ $ Riesgo Muy bajo $ $ $ $ $

17 Total Exposición = Volumen de cuentas * LC
Límites de crédito optimizados Se calculan 3 matrices más automáticamente sobre la base de las 6 matrices anteriores Total Exposición Tabla 7: Total Exposición Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo $ $ $ $ $ Riesgo Medio alto $ $ $ $ $ Riesgo medio bajo $ $ $ $ $ Riesgo Muy bajo $ $ $ $ $ Total Exposición = Volumen de cuentas * LC

18 Saldos totales de cuentas buenas
Límites de crédito optimizados Se calculan 3 matrices más automáticamente sobre la base de las 6 matrices anteriores Total Exposición Saldos totales de cuentas buenas Tabla 8: Saldos totales cuentas buenas Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo $ $ $ $ $ Riesgo Medio alto $ $ $ $ $ Riesgo medio bajo $ $ $ $ $ Riesgo Muy bajo $ $ $ $ $ Saldos totales de cuentas buenas = (1-TM) * # cuentas * LC * Utilización B

19 Límites de crédito optimizados
Se calculan 3 matrices más automáticamente sobre la base de las 6 matrices anteriores Total Exposición Saldos totales de cuentas buenas Saldos totales de cuentas malas Tabla 9: Saldos totales cuentas malas Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo $ $ $ $ $ Riesgo Medio alto $ $ $ $ $ Riesgo medio bajo $ $ $ $ $ Riesgo Muy bajo $ $ $ $ $ Saldos totales de cuentas malas = TM * # cuentas * LC * Utilización M

20 Saldo Total Tasa de mora
Límites de crédito optimizados Se calculan 2 indicadores adicionales Saldo Total Tasa de mora Se corre el estimador para la nueva estrategia y se guardan los resultados Tabla 5: Límites de crédito sugeridos Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo $ $ $ $ Riesgo Medio alto $ $ $ Riesgo medio bajo $ $ $ $ Riesgo Muy bajo $ $ $

21 Se vuelve a correr pero con la estrategia actual
Límites de crédito optimizados Se vuelve a correr pero con la estrategia actual Tabla 6: Estrategia Original Nosis NSE/ Score Nosis D2 D1 C3 C2 ABC1 Alto Riesgo $ $ $ $ $ Riesgo Medio alto $ $ $ $ $ Riesgo medio bajo $ $ $ $ $ Riesgo Muy bajo $ $ $ $ $ Características de la estrategia actual Basada en un % del Ingreso neto Sólo se usa el Score de Riesgo para aprobar o rechazar un cliente Tope máximo por tipo de cliente

22 Luego se comparan los resultados
Límites de crédito optimizados Luego se comparan los resultados La clave es usar el Score de riesgo y la utilización cómo factores de graduación en la asignación de límites de crédito

23 Conclusiones Límites de crédito optimizados
Las estrategias de asignación de LC suelen ser muy complejas y por lo tanto muy volátiles No son monitoreadas adecuadamente El desarrollo del Estimador de LC incorpora un marco robusto y simple para analizar la dinámica de la asignación de LC Sus fortalezas son: su simplicidad y su facilidad en el uso Ofrece a los que otorgan créditos una forma empírica y proactiva de administrar los LC, además de beneficiarse de adoptar estrategias de mejora continua (champion – challeger)

24 Ejemplos de estrategias en el mercado
Límites de crédito optimizados Ejemplos de estrategias en el mercado ¿Esta estrategia tiene en cuenta el riesgo de los clientes?

25 Uno de los principales Bancos del mercado
Límites de crédito optimizados Uno de los principales Bancos del mercado Desde 700 para abajo prácticamente todos los clientes reciben lo mismo

26 Estrategia alternativa basada en Scores de Bureau
Límites de crédito optimizados Estrategia alternativa basada en Scores de Bureau Cada cliente recibe un monto de acuerdo a su score de riesgo

27 Este Banco ganaría $500 millones más por año
Límites de crédito optimizados Este Banco ganaría $500 millones más por año Estrategia Actual Estrategia basada en el Score Diferencia Total Préstamos ($) $ $ +49,20% Tasa de mora en $ 4,39% 2,94% -33,08% Otorgaría casi 4 billones de pesos más y reduciría la morosidad en un 33%

28 Límites de crédito Optimizados Business Solutions Manager
Rosario, 11 de Noviembre de 2016 Límites de crédito Optimizados Lucas Acebedo Business Solutions Manager NOSIS