A credit scoring model for institutions of microfinance under the Basel II normative/Un modelo de credit scoring para instituciones de microfinanzas en el marco de Basilea II.
| Autor | Rayo Canton, Salvador |
INTRODUCCION
El acuerdo internacional sobre regulacion y supervision bancaria denominado "Nuevo Acuerdo de Capital", aprobado en 2004 por el Comite de Basilea y conocido como Basilea II, exige a las entidades financieras de los paises que se adscriba al mismo una revision de sus dotaciones de capital para cubrir los riesgos. Por consiguiente, las entidades financieras y de microfinanzas (IMFs) supervisadas requieren adoptar procesos internos que sean capaces de medir el riesgo de credito. Las entidades financieras que sirven a la industria microfinanciera deberan actuar bajo los parametros de Basilea II. En efecto, estos parametros les obligan a disponer de herramientas que les permitan establecer modelos de medicion (scorings y ratings) con objeto de discriminar a los clientes segun su perfil de riesgo, sistemas de seguimiento del riesgo vivo y modelos de evaluacion de la exposicion y la severidad en el riesgo de credito. Basilea II tambien obliga a las entidades financieras no solo a adaptar sus sistemas de calculo del consumo de capital, sino tambien a modificar los sistemas de reporting (informes financieros) y de analisis de la informacion. Ambos elementos, es decir los informes financieros y el analisis de los mismos, son la clave de Basilea II que hace necesario gestionar grandes bases de datos, capaces de ofrecer la informacion exacta para cuantificar los riesgos de cada operacion, lo que supone un verdadero reto para los bancos y, especialmente, para las entidades de microfinanzas.
La explicacion y prediccion del riesgo de impago en microfinanzas deben ser abordadas de una manera distinta a la habitual en la banca comercial debido a las limitaciones de las bases de datos y al proceso de elaboracion de un sistema de medicion del riesgo de microcredito. Preguntas tales como: ?conviene este cliente?, ?cual es el limite de credito que debo aceptarle en su solicitud?, ?que tasa de interes debo cobrarle?, ?como puedo reducir el riesgo de impago?, etc., son cuestiones que deben acompanarse de una respuesta acertada, dado un determinado entorno macroeconomico. Historiales de credito poco desarrollados y faltos de informacion impiden predecir la probabilidad del no pago de deudas mediante el uso de los sistemas tradicionales de credit scoring desarrollados para la banca. En este sentido, la incertidumbre provocada por el entorno macroeconomico sugiere la importancia de un sistema efectivo de control de riesgos. En consecuencia, planteamos un metodo que pueda resolver el problema de una correcta clasificacion de clientes, ya sean cumplidos o morosos. Para ello, disenamos una metodologia que analizara el riesgo de impago en la concesion de microcreditos.
En el Peru, el Reglamento para el Requerimiento de Patrimonio Efectivo por Riesgo de Credito de la Superintendencia de Banca y Seguros (SBS) del 2009 constituye un notable avance para la implementacion de Basilea II entre las entidades sometidas a supervision, entre ellas las Entidades de Desarrollo de la Pequena y Micro Empresa (Edpyme). Si bien la norma establece un modelo estandar para la gestion del riesgo de credito, tambien ofrece la posibilidad de que las IMFs puedan implementar modelos internos. Es decir, la nueva normativa derivada de este reglamento aporta como principal novedad la posibilidad de desarrollar Metodos Basados en Calificaciones Internas (IRB) que deberan estar homologados por la Superintendencia de Banca y Seguros. Por tanto, es necesario utilizar metodos estadisticos mas precisos para la estimacion de la probabilidad de insolvencia y de la severidad. Ambas estimaciones son fundamentales para calcular el requerimiento de capital, la perdida esperada y la perdida inesperada, aspectos claves para establecer la politica de tasas de interes. En este nuevo contexto se requiere contar no solo con nuevos sistemas y metodologias estadisticas y econometricas, sino tambien, con profesionales con la formacion adecuada para desarrollar e implantar en la institucion financiera los modelos adecuados de estimacion de la insolvencia y la severidad. En definitiva, Basilea II constituye un nuevo reto para las entidades de microfinanzas y para los profesionales que laboran en ellas.
Desde nuestra perspectiva, el elemento clave para analizar el proceso de calificacion de riesgos mediante modelos internos (IRB), segun la normativa de Basilea II, es que las IMFs dispongan de un modelo de credit scoring que les permita medir la probabilidad de impago del credito que se otorga. Para tal efecto, el metodo estandar posibilitaria la formulacion de los metodos IRB. Este proceso se analiza en el presente trabajo estructurado en seis partes. Luego de la Introduccion, la segunda parte plantea un marco teorico donde se exponen los principales modelos de credit scoring que se utilizan en las entidades bancarias para el analisis del riesgo de impago. En ese mismo apartado recopilamos las aplicaciones mas relevantes en cuanto a riesgo de impago de las IMFs. La tercera parte del trabajo describe la metodologia empleada en la consecucion de un modelo de credit scoring para instituciones de microfinanzas. Hemos utilizado como base de investigacion la cartera de creditos para microempresas de la Edpyme Proempresa, entidad del sistema financiero del Peru. En el cuarto epigrafe presentamos el desarrollo metodologico y los resultados de la aplicacion del credit scoring para la Edpyme Proempresa. En el quinto apartado aplicamos el modelo de credit scoring obtenido en las decisiones de negocio y en la politica de pricing mediante un modelo IRB avanzado en el marco de Basilea II. En sexto y ultimo lugar proponemos una serie de conclusiones derivadas de la investigacion.
MARCO TEORICO
Concepto de Credit Scoring
Los credit scoring, segun Hand and Henley (1997), son procedimientos estadisticos que se usan para clasificar a aquellos que solicitan credito, inclusive a los que ya son clientes de la entidad crediticia, en los tipos de riesgo 'bueno' y 'malo'. En sus inicios, durante los anos setenta, las aplicaciones del credit scoring se construian con tecnicas estadisticas (en particular, con el analisis discriminante). Posteriormente, los metodos empleados evolucionaron a tecnicas matematicas, econometricas y de inteligencia artificial. En cualquier caso, la construccion de toda aplicacion del credit scoring se realiza tomando la informacion del cliente contenida en las solicitudes del credito, de fuentes internas e, incluso, de fuentes externas de informacion.
El credit scoring estima el momento en el que se esta llevando a cabo la solicitud, cual sera el comportamiento del credito hasta su vencimiento, atendiendo al riesgo del cliente. Se evalua a traves de un modelo predictivo de comportamiento de pago o reembolso mediante una puntuacion que mide el riesgo de un prestatario y/o de la operacion. En general, estos metodos de calificacion de creditos se aplican para obtener un conocimiento sobre distintos aspectos tales como los siguientes:
-
el comportamiento financiero en cuanto a los productos solicitados y a la morosidad;
-
la relacion entre el riesgo y rentabilidad. El credit scoring aporta informacion sobre el precio o prima por riesgo, volatilidad, diversificacion, etc.;
-
el coste de la operacion. La agilizacion general de procesos que se consigue con el credit scoring permite la reduccion del coste en el proceso de concesion de un credito.
Modelos de Credit Scoring en la banca
A continuacion presentamos un resumen de los principales trabajos en materia de credit scoring en la banca, agrupados segun la metodologia estadistica aplicada.
-
Analisis Discriminante
El analisis discriminante consiste en una tecnica multivariante que permite estudiar simultaneamente el comportamiento de un grupo de variables independientes con la intencion de clasificar una serie de casos en grupos previamente definidos y excluyentes entre si (Fisher, 1936). La principal ventaja de esta tecnica esta en la diferenciacion de las caracteristicas que definen cada grupo, asi como las interacciones que existen entre ellas. Se trata de un modelo apropiado para clasificar buenos y malos pagadores a la hora de reembolsar un credito. Entre los inconvenientes que presenta el analisis discriminante esta la rigidez para cumplir las hipotesis de partida (linealidad, normalidad, homocedasticidad e independencia) y, sobre todo, la incapacidad para el calculo de las probabilidades de impago.
Altman (1968) desarrollo la metodologia mas utilizada para pronosticar la insolvencia empresarial aplicando variables explicativas en forma de ratios. La Z-score de Altman se interpretaba a traves de las variables ingresos netos/ventas, ganancias retenidas/activos, EBIT/activos, valor de mercado del patrimonio neto/valor libros de la deuda y ventas/activos. Esta metodologia se adapto posteriormente a la prediccion de la morosidad de clientes de entidades bancarias.
-
Modelos de Probabilidad Lineal
Los modelos de probabilidad lineal utilizan un enfoque de regresion por cuadrados minimos, donde la variable dependiente (variable dummy) toma el valor de uno (1) si un cliente es fallido, o el valor de cero (0) si el cliente cumple con su obligacion de pago. La ecuacion de regresion es una funcion lineal de las variables explicativas. Orgler (1970) fue el precursor de esta tecnica usando el analisis de regresion en un modelo para prestamos comerciales. Este mismo autor recurrio a dicha tecnica para construir un modelo de credit scoring para prestamos al consumo (Orgler, 1971), destacando el alto poder predictivo de las variables sobre el comportamiento del cliente, clasificadas fundamentalmente en cuatro grandes grupos: liquidez, rentabilidad, apalancamiento y actividad.
-
Modelos Logit
Los modelos de regresion logistica permiten calcular la probabilidad que tiene un cliente para pertenecer a uno de los grupos establecidos a priori (no pagador o pagador). La clasificacion se realiza de acuerdo con el comportamiento de...
Para continuar leyendo
Solicita tu pruebaCOPYRIGHT GALE, Cengage Learning. All rights reserved.
