DISEÑO DE UN SISTEMA DE CREDIT SCORING PARA ENTIDADES DE MICROFINANZAS

Transcripción

1 SUPERINTENDENCI DE BNCOS Y SEGUROS BNCO INTERMERICNO DE DESRROLLO REQUIP- PERÚ DISEÑO DE UN SISTEM DE CREDIT SCORING PR ENTIDDES DE MICROFINNZS Modelos estadísticos para el desarrollo de los métodos basados en calificaciones internas (IRB) y su influencia en el negocio de las IMFs Dr. Salvador Rayo Cantón Universidad de Granada-España srayo@ugr.es

2 OBJETIVOS 1. DISEÑO DE UN MODELO DE CREDIT SCORING QUE MID EL RIESGO DE MICROCRÉDITO EN UN INSTITUCIÓN DE MICROFINNZS. 2. INTEGRCIÓN EN UN MODELO VNZDO EN EL MRCO DE L NUEV NORMTIV BNCRI DE BSILE II 2

3 ÍNDICE DE CONTENIDOS 1. NORMTIV DE BSILE II E INSTITUCIONES DE MICROFINNZS 2. MODELOS DE CREDIT SCORING EN INSTITUCIONES FINNCIERS 3. PROPUEST DE UN MODELO DE CREDIT SCORING PR UN CJ MUNICIPL DE CREDITO Y HORRO 4. PLICCIONES DEL CREDIT SCORING EN EL NEGOCIO DE LS INSTITUCIONES DE MICROFINNZS 3

4 NORMTIV DE BSILE II E INSTITUCIONES DE MICROFINNZS NÁLISIS DEL RIESGO DE MICROCRÉDITO Proceso en base a las prácticas generalmente aceptadas de rating internos o credit scoring. El desarrollo para las IMFs engloba: Identificación de la probabilidad de incumplimiento. Pérdida dada por incumplimiento. Exposición al incumplimiento. 4

5 NORMTIV DE BSILE II E INSTITUCIONES DE MICROFINNZS Fórmula de Basilea II en la normativa SBS: VaR (99,9%). Es decir, un Nivel de Confianza del 99,9%. Coeff. Correlación = 0,04 Basilea II considera un cuantil del 99,9% con objeto de que en el requerimiento de capital se contemplen el 99,9% de las situaciones más adversas del estado de la economía (X) y que el peor resultado en situación de catástrofe o crisis en la economía se produzca con una probabilidad del 0,1%. VaR (99,9%)= N -1 (0,001)= Inversa de la Función Distribución Normal Estándar cumulada=-3,090. El capital requerido depende de la relación entre Perdida Esperada y Perdida Inesperada, 5

6 MODELOS DE CREDIT SCORING EN INSTITUCIONES FINNCIERS CONCEPTO DE CREDIT SCORING El credit scoring, también conocido como calificación del riesgo de insolvencia o morosidad, puede definirse, en una primera aproximación, como un sistema que, mediante predicciones, califica un crédito y mide el riesgo de incumplimiento inherente al mismo. 6

7 MODELOS DE CREDIT SCORING EN INSTITUCIONES FINNCIERS BNC Ventajas Inconvenientes Técnicas Paramétricas Linea les No- Linea les nálisis Discriminante Modelos de Probabilidad Lineal Modelos Logit Modelos Probit Buen rendimiento para grandes muestras Técnicamente conveniente en la estimación y manteni-miento Buen rendimiento para grandes muestras Sugieren probabilidades de impago Parámetros fácilmente interpretables Muy buenas propiedades estadísticas y no son estrictos con las hipótesis sobre los datos. Muestran las probabilidades de impago Gran rendimiento Muy buenas propiedades estadísticas y no son estrictos con las hipótesis sobre los datos. Muestran las probabilidades de impago Problemas estadísticos y estimadores ineficientes No arroja probabilidades de impago Estimadores ineficientes Las probabilidades estima-das podrían quedar fuera del intervalo (0,1) Dificultad de interpretación de los parámetros Dificultad de interpretación de los parámetros Proceso de estimación relativamente complicado Programación Lineal pto para gran cantidad de variables Modelo de gran flexibilidad No requiere una especificación previa del modelo No estima parámetros ni probabilidades de impago Difícil comprensión Inexactitud en la predicción Técnicas no paramétricas Redes Neuronales Gran predicción en muestras pequeñas Modelo de gran flexibilidad No requiere una especificación previa del modelo No estima parámetros ni probabilidades de impago Difícil comprensión Árboles de decisiones El mejor rendimiento para muchos autores Modelo de gran flexibilidad No requiere una especificación previa del modelo No estima parámetros ni probabilidades de impago Difícil comprensión 7

8 MODELOS DE CREDIT SCORING EN INSTITUCIONES FINNCIERS IMFs UTOR (ÑO, PIS) TIPO DE INSTI- TUCIÓN TMÑO MUESTR VRIBLES INICILES VRIBLES EN EL MODELO TÉCNIC ESTDÍSTIC MEDIDS BONDD JUSTE Vìgano (1993, Burkina Faso) Microfinanzas nálisis Discriminamte PCC, R2 Sharma y Zeller (1997, Bangladesh) Microfinanzas TOBIT N / Zeller (1998, Madagascar) Microfinanzas TOBIT N / Reinke (1998, Sudáfrica) Microfinanzas PROBIT N / Schreiner (1999, Bolivia) Microfinanzas LOGIT PCC Vogelgesang (2001, Bolivia) Microfinanzas Modelo Utilidad leatoria PCC, Pseudo-R2 Vogelgesang (2001, Bolivia) Microfinanzas Modelo Utilidad leatoria PCC, Pseudo-R2 Diallo (2006, Mali) Microfinanzas LOGIT y nálisis Discriminante PCC, R2 Kleimeier et al. (2006, Vietnam) Banca Minorista LOGIT PCC, SENS, 8 ESPEC.

9 PROPUEST DE UN MODELO DE CREDIT SCORING PR UNCJ MUNICIPL DE HORRO Y CREDITO 9

10 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS JUSTIFICCIÓN LIMITCIONES SCORING MICROFINNZS METODOLOGÍ DE L INVESTIGCIÓN SELECCIÓN DE L MUESTR DEFINICIÓN VRIBLES EXPLICTIVS PROCESO EVLUCIÓN DEL MICROCRÉDITO MODELO DE REGRESIÓN LOGÍSTIC RESULTDOS DE L INVESTIGCIÓN 10

11 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS PROBLEMÁTIC DEL HISTORIL DE CRÉDITO NECESIDD DE L FIGUR DEL NLIST DE CRÉDITO LIMITCIONES NECESIDD DE INTEGRCIÓN EN EL SISTEM DE INFORMCIÓN DE GESTIÓN INCONVENIENTES SOBRE LOS RESULTDOS OBTENIDOS 11

12 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS LIMITCIONES PROBLEMÁTIC DEL HISTORIL DE CRÉDITO HISTORILES DE CRÉDITO EN IMFs IRREGULRES INCOMPLETOS INFORMCIÓN IMPRECIS BSES DE DTOS ESCSS OBSERVCIONES INSUFICIENTE INFORMCIÓN ECONÓMIC Y FINNCIER CRCTERÍSTICS MENOS SIGNIFICTIVS 12

13 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS LIMITCIONES NECESIDD DE L FIGUR DEL NLIST DE CRÉDITO CPT Y RECOPIL L INFORMCIÓN DEL HISTORIL DE CRÉDITO NLIST DE CRÉDITO RELIZ L INSPECCIÓN ECONOMICO / FINNCIER RECOGE INFORMCIÓN CULITTIV DEL PRESTTRIO CONSECUENCI: SUBJETIVIZCIÓN DEL PROCESO Y LT DEPENDENCI DEL MICROPRESTMIST 13

14 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS LIMITCIONES NECESIDD DE INTEGRCIÓN EN EL SISTEM DE INFORMCIÓN DE GESTIÓN TECNOLOGÍS QUE SOPORTEN L INFORMCIÓN NECESRI ERRORES EN L INTRODUCCIÓN DE INFORMCIÓN PROGRMDOR ESPECILIZDO DTOS NO INTRODUCIDOS EN TIEMPO RIESGO OPERCIONL CONSECUENCI: MODELO FINL CRENTE DE SIGNIFICDO 14

15 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS LIMITCIONES INCONVENIENTES SOBRE LOS RESULTDOS OBTENIDOS 1. EL COMPORTMIENTO FUTURO SERÁ COMO EL COMPORTMIENTO PSDO 2. EL SCORING FUNCION CON PROBBILIDDES, NO CON CERTEZS 3. L GERENCI DE LS IMFs SUMEN NTES ERRORES DEL NLIST QUE DEL CREDIT SCORING LIMITCIONES MITIGDS EN LOS ÚLTIMOS ÑOS 15

16 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS METODOLOGÍ DE INVESTIGCIÓN Historial Historial de de crédito crédito Información del cliente en el momento de la solicitud de un microcrédito CMC (Caja Municipal de ahorro y crédito traso Costoso: > 15 días 16

17 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS SELECCIÓN DE L MUESTR (CONSIDERCIONES) CMC Historial Historial de de crédito crédito Información Cuantitativa y Cualitativa de los créditos. Evaluación estándar previa del oficial de crédito. Información de créditos concedidos y no rechazados. Microcréditos referenciados al mismo intervalo temporal. No exceden de US$ (Microempresas) y (Pymes) o equivalente en moneda nacional. 17

18 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS SELECCIÓN DE L MUESTR (CRTER DE MICROCRÉDITOS) CMC CMC Historial Historial de de crédito crédito Periodos Estudio 1995 / 2005 Observaciones (N) Pagos Impagos TOTL Muestra Estimación (75%) Pagos Impagos TOTL Muestra Validación (25%) Pagos Impagos TOTL

19 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS DEFINICIÓN VRIBLES EXPLICTIVS VRIBLE SEXO EDD E_CIVIL NTIGUO CLS_SBS REL_IMF SECTOR SIT_LB CONCEPTO Género del prestatario. Variable dicotómica. (0) Hombre, (1) Mujer Edad en el momento de la solicitud del crédito. Variable numérica Estado Civil. Variable dicotómica. (0) Soltero, (1) Unidad Familiar Tiempo del prestatario como cliente de la entidad. Variable numérica Clasificación del cliente según la Superintendencia en Banca y Seguros. Variable dicotómica (0) Cliente normal (1) Cliente con algún tipo de problema Tipo de relación con la Institución de Microfinanzas. Variable dicotómica (0) Ninguna (1) Trabajador de la entidad Sector de actividad de la micro empresa. Variable categórica (0) Comercio (1) gricultura (2) Producción (3) Servicio Situación laboral del cliente. Variable dicotómica (0) Propietario (1) Dependiente SIGNO ESPERDO DEL ESTIMDOR (β) /

20 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS DEFINICIÓN VRIBLES EXPLICTIVS VRIBLE R1 R2 R3 R4 R5 R6 R7 R8 R9 Solvencia c/p = ctivo Circulante / Exigible c/p RO = Utilidad Neta / Total ctivo CONCEPTO Rotación ctivos = Ingresos Ventas / Costes Operativos Productividad = Utilidad Bruta / Costes Operativos Liquidez = Capacidad Pago / Total ctivo Rotación Liquidez = Disponible / Ingresos Ventas x 360 Liquidez para el Crédito = Disponible / Monto propuesto Plazo Medio Cobro = Clientes / Ingresos Ventas x 360 Plazo Medio provisionamiento = Existencias / Compras mercaderías x 360 SIGNO ESPERDO DEL ESTIMDOR (β)

21 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS DEFINICIÓN VRIBLES EXPLICTIVS VRIBLE CRED_CONC CRED_CONC2 CUOT_TOT CUOT_MOR MOR_MYOR DEST_CRED TIPO_OPER T_TENCIÓN MONED CONCEPTO Créditos concedidos con anterioridad. Variable numérica Créditos concedidos en el último año. Variable numérica Número total de cuotas pagadas en historial de crédito. Variable numérica Número de cuotas incurridas en morosidad. Variable numérica Número de días de la mayor mora del cliente. Variable numérica Destino del microcrédito. Variable dicotómica (0) Capital de trabajo (1) ctivo Fijo Tipo de operación de préstamo. Variable dicotómica (0) Con incidencias (refinanciado, ampliado, etc.) (1) Normal Tiempo de atención dedicada al cliente en términos de asesoría de inversiones expresado en días. Variable Numérica Tipo de moneda en la que se concede el crédito. Variable dicotómica (0) Nuevos Soles (1) US $ SIGNO ESPERDO DEL ESTIMDOR (β)

22 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS DEFINICIÓN VRIBLES EXPLICTIVS VRIBLE MONTO MONTO_RECH DURCION INT_MENS GRNT VTOCRED_SBS COMISIÓN PIB IPC CONCEPTO Importe del microcrédito. Variable numérica Cantidad rechazada por la institución. Variable numérica Número de cuotas mensuales del microcrédito solicitado. Variable numérica Tasa de interés mensual del microcrédito. Variable numérica Tipo de garantía aportada por el cliente. Variable dicotómica (0) Declaración jurada (1) Garantía real (aval, prenda, hipoteca, etc) Pronóstico del analista sobre la situación del crédito a su vencimiento. Variable dicotómica (0) Vigentes (1) Con problemas estimados Comisión de gestión de crédito. Variable numérica Tasa de variación anualizada del Producto Interior Bruto durante la vigencia del crédito. Variable numérica Tasa de variación anualizada del Índice de Precios al Consumidor durante la vigencia del crédito. Variable numérica SIGNO ESPERDO DEL ESTIMDOR (β)

23 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS DEFINICIÓN VRIBLES EXPLICTIVS VRIBLE TC TI IGB GU LUZ TFNO CONCEPTO Tasa de variación anualizada de la Tasa de Cambio durante la vigencia del crédito. Variable numérica Tasa de variación anualizada de los Tipos de Interés durante la vigencia del crédito. Variable numérica Tasa de variación anualizada del Índice General Bursátil durante la vigencia del crédito. Variable numérica Tasa de variación anualizada de la tarifa municipal de gua durante la vigencia del crédito. Variable numérica Tasa de variación anualizada de la tarifa municipal de la Luz durante la vigencia del crédito. Variable numérica Tasa de variación anualizada de la tarifa del Teléfono durante la vigencia del crédito. Variable numérica SIGNO ESPERDO DEL ESTIMDOR (β)

24 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS PROCESO DE EVLUCIÓN DEL MICROCRÉDITO ZON GEOGRÁFIC INVESTIGCIÓN DE MERCDO PROMOCIÓN DEL CRÉDITO ENTORNO MCRO- ECONÓMICO EVLUCIÓN DEL EXPEDIENTE DE CRÉDITO 1.- NÁLISIS DE L CTIVIDD ECONÓMIC 2.- REVISIÓN EN CENTRLES DE RIESGOS E HISTORIL DE CRÉDITO DEL CLIENTE 3.- INSPECCIÓN ECONÓMICO- FINNICER EN EL HOGR RECEPCIÓN DE DOCUMENTOS EVLUCIÓN DE LS GRNTÍS INFORMES DE CRÉDITOS PR CLIENTES NUEVOS O RECURRENTES COMITÉ DE CRÉDITO DE L IMF (probación de las solicitudes de crédito) SEGUIMIENTO DEL NLIST DESEMBOLSO REFINNCICIÓN DE CRÉDITOS 24

25 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS PROCESO DE EVLUCIÓN DEL MICROCRÉDITO PSO VRIBLES INTRODUCIDS 1 NTIGUO / CRED_CON / CRED_CON2 / REL_IMF 2 SECTOR / DEST_CRED 3 CLS_ENT / CLS_SBS / CUOT_TOT / CUOT_MOR / MEDI_MOR / MOR MYOR 4 R1 / R2 / R3 / R4 / R5 / R6 / R7 / R8 / R9 5 SEXO / EDD / E_CIVIL / SIT_LB 6 GRNT 7 T_TENCION / TIPO_OPER / MONED / DURCION / INT_MENS / MONTO / MONTO_RECH / COMISION / VTOCRED_SBS 8 PIB / IPC / IE / TC / TI / IGB / GU / LUZ / TFNO 25

26 26 MODELO DE REGRESIÓN LOGÍSTIC BINRI PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS k x k x x p p β β β β =... 1 log Y Y Y e e e p + = + = k x k x x Y = β β β β

27 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN ESTIMCIÓN DEL MODELO: P(Probabilidad de incumplimiento) = e (Z) (1) Z = -2, ,012 EDD 0,150 CRED_CON2-0,017 CUOT_TOT + 0,153 CUOT_MOR - 0,208 T_TENCION + 0,080 DURCION - 0,377 GRNT + 0,927 MOR_MYOR + 0,017 COMISION + 0,990 TI 0,489 IGB + 0,800 LUZ (2) 27

28 Para comprobar que el modelo de regresión logística estimado es adecuado para la toma de decisiones se requiere realizar un proceso de valoración que incluye las siguientes fases: 1. Linealidad del modelo 2. Correlación de las variables explicativas 3. Significación estadística y signo de los coeficientes 4. Bondad del ajuste de regresión 5. Independencia de los residuos 6. Presencia de valores atípicos 7. Porcentaje de aciertos 28

29 ESTDISTICOS DE L PERDID ESPERD DE L CRTER Estadísticos PE N Media Desv. típ. Varianza simetría Error típ. de asimetría Curtosis Error típ. de curtosis Mínimo Máximo Percentiles Válidos Perdidos , , ,8 3,826,022 19,782,044, ,00 27,

30 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLORCIÓN DEL MODELO: ) LINELIDD DEL MODELO VESE EXPRESIÓN (2) B) CORRELCIÓN DE LS VRIBLES EXPLICTIVS Matriz de correlaciones Paso 1 MOR_ Constant EDD CRED_CON2CUOT_TOTCUOT_MORT_TENCIONDURCIONGRNT(1) MYOR COMISION TI IGB LUZ Constant 1,000 -,710 -,193,195 -,065 -,053 -,619 -,128 -,097 -,129 -,242,180 -,063 EDD -,710 1,000,100 -,206,018 -,014,006 -,063 -,016,045,034,040 -,016 CRED_CON2 -,193,100 1,000 -,365 -,065,041,059 -,041,006,094 -,016,032 -,018 CUOT_TOT,195 -,206 -,365 1,000 -,643,029 -,188 -,027,052 -,028 -,054,046,001 CUOT_MOR -,065,018 -,065 -,643 1,000 -,003,097,092 -,071 -,072,072 -,092,039 T_TENCION -,053 -,014,041,029 -,003 1,000,046 -,049,025,044,111 -,048 -,106 DURCION -,619,006,059 -,188,097,046 1,000,048 -,039 -,062,351 -,247,056 GRNT(1) -,128 -,063 -,041 -,027,092 -,049,048 1,000,023,173 -,030 -,122,054 MOR_MYO -,097 -,016,006,052 -,071,025 -,039,023 1,000 -,010 -,015,020 -,017 COMISION -,129,045,094 -,028 -,072,044 -,062,173 -,010 1,000 -,248 -,565,063 TI -,242,034 -,016 -,054,072,111,351 -,030 -,015 -,248 1,000,067 -,210 IGB,180,040,032,046 -,092 -,048 -,247 -,122,020 -,565,067 1,000 -,144 LUZ -,063 -,016 -,018,001,039 -,106,056,054 -,017,063 -,210 -,144 1,000 30

31 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLORCIÓN DEL MODELO: C) SIGNIFICCIÓN ESTDÍSTIC Y SIGNO DE LOS COEFICIENTES Variables en la ecuación Paso 1 a EDD CRED_CON2 CUOT_TOT CUOT_MOR T_TENCION DURCION GRNT(1) MOR_MYOR COMISION TI IGB LUZ Constante I.C. 95,0% para EXP(B) B E.T. Wald gl Sig. Exp(B) Inferior Superior,012,002 27,913 1,000 1,012 1,008 1,017 -,150,025 35,271 1,000,861,819,904 -,017, ,791 1,000,983,981,986,153, ,299 1,000 1,166 1,146 1,186 -,208,065 10,099 1,001,813,715,924,080,008 97,419 1,000 1,083 1,066 1,101 -,377,054 48,855 1,000,686,617,762,927, ,404 1,000 2,528 2,410 2,651,017,007 5,894 1,015 1,018 1,003 1,032,990,169 34,265 1,000 2,692 1,932 3,751 -,489,073 44,901 1,000,613,531,707,800,260 9,488 1,002 2,225 1,338 3,700-2,141, ,864 1,000,117 a. Variable(s) introducida(s) en el paso 1: EDD, CRED_CON2, CUOT_TOT, CUOT_MOR, T_TENCION, DURCION, GRNT, MOR_MYOR, COMISION, TI, IGB, LUZ. 31

32 Razón de Ventaja del suceso (Odds Ratio) Ventaja de un suceso (Odds) es el cociente entre la probabilidad de que el suceso ocurra y la probabilidad de que no ocurra Ventaja (Odds) = ( = 1) ( = 0) P Y P Y 1/ = 1 1/ ( [ B ]) 0 + B1 X Bn X n 1 + e [ B + B X B X ] ( ) n n 1 + e = e [ B + B X B X ] n n Razón P Y P Y de Ventajas (Odds Ratio) = P Y P Y ( = 1/X i = 1) ( = 0/X i = 1) ( = 1/X i = 0) ( = 0/X = 0) i = e B i = Exp(B i ) 32

33 33

34 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLORCIÓN DEL MODELO: D) BONDD DEL JUSTE DE REGRESIÓN Iteración Paso 0 a. b. c. 1 2 Historial de iteraciones a,b,c -2 log de la Coeficientes verosimilitud Constant 16797,055, ,055,026 En el modelo se incluye una constante. -2 log de la verosimilitud inicial: 16797,055 La estimación ha finalizado en el número de iteración 2 porque las estimaciones de los parámetros han cambiado en menos de,001. Paso 1 Paso 1 Prueba de Hosmer y Lemeshow Chi-cuadrado gl Sig ,872 8,000 Resumen de los modelos R cuadrado -2 log de la R cuadrado de verosimilitud de Cox y Snell Nagelkerke 10728,165 a,394,525 a. La estimación ha finalizado en el número de iteración 7 porque las estimaciones de los parámetros han cambiado en menos de,

35 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLORCIÓN DEL MODELO: D) BONDD DEL JUSTE DE REGRESIÓN Historial de iteraciones a,b,c,d Iteración Paso a. Método: Introducir Coeficientes -2 log de la MOR_ verosimilitud Constant EDD CRED_CON2CUOT_TOTCUOT_MORT_TENCIONDURCIONGRNT(1) MYOR COMISION TI IGB LUZ 13153,205-1,311,011 -,093 -,012,090 -,008,072 -,416,126,019,915 -,395, ,538-1,730,012 -,134 -,017,146 -,041,086 -,426,287,021 1,068 -,516, ,058-1,946,012 -,148 -,017,157 -,136,083 -,397,549,019 1,027 -,512, ,659-2,085,012 -,150 -,017,154 -,191,081 -,382,805,018 1,003 -,495, ,463-2,136,012 -,150 -,017,153 -,206,080 -,378,915,017,992 -,490, ,165-2,141,012 -,150 -,017,153 -,208,080 -,377,927,017,990 -,489, ,165-2,141,012 -,150 -,017,153 -,208,080 -,377,927,017,990 -,489,800 b. En el modelo se incluye una constante. c. -2 log de la verosimilitud inicial: 16797,055 d. La estimación ha finalizado en el número de iteración 7 porque las estimaciones de los parámetros han cambiado en menos de,

36 36 RESULTDOS DE L INVESTIGCIÓN PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS VLORCIÓN DEL MODELO: E) PRESENCI DE VLORES TÍPICOS Case -0, , , ,00010 DFBET para EDD Case -0, , , ,00200 DFBET para CRED_CON Case -0, , ,00020 DFBET para CUOT_TOT Case -0, , , ,00200 DFBET para CUOT_MOR

37 37 RESULTDOS DE L INVESTIGCIÓN PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS VLORCIÓN DEL MODELO: E) PRESENCI DE VLORES TÍPICOS Case 0, , , , ,04000 DFBET para T_TENCION Case -0, , , ,00080 DFBET para DURCION Case -0, , , , , ,00200 DFBET para GRNT(1) Case -0, ,00000 DFBET para MOR_MYOR

38 38 RESULTDOS DE L INVESTIGCIÓN PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS VLORCIÓN DEL MODELO: E) PRESENCI DE VLORES TÍPICOS Case -0, , , ,00050 DFBET para COMISION Case -0, , ,01000 DFBET para TI Case -0, , ,00500 DFBET para IGB Case -0, , ,02000 DFBET para LUZ

39 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLORCIÓN DEL MODELO: F) PORCENTJE DE CIERTOS Tabla de clasificación a Pronosticado Paso 1 Observado Y Porcentaje global,00 1,00 Y Porcentaje,00 1,00 correcto , ,0 93,3 a. El valor de corte es,420 39

40 40

41 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLORCIÓN DEL MODELO: F) PORCENTJE DE CIERTOS Área bajo la curva Variables resultado de contraste: Probabilidad pronosticad Intervalo de confianza asintótico al 95% Límite Área Error típ ạ b Sig. asintóticalímite inferior superior,975,002,000,972,978 La variable (o variables) de resultado de contraste: Probab pronosticada tiene al menos un empate entre el grupo de positivo y el grupo de estado real negativo. Los estadístico estar sesgados. a. Bajo el supuesto no paramétrico b. Hipótesis nula: área verdadera = 0,5 41

42 42 49,3 0,0 100,0 1,00 69,8 41,3 99,1 0,90 75,2 51,8 99,1 0,80 80,5 62,6 99,0 0,70 85,0 71,7 98,7 0,60 90,9 84,2 97,8 0,50 93,3 92,0 94,6 0,42 93,2 93,5 93,0 0,40 86,8 98,4 74,9 0,30 70,5 99,8 40,4 0,20 55,2 100,0 9,3 0,10 50,7 100,0 0,0 0,00 TOTL ESPECIFICIDD SENSIBILIDD PUNTO DE CORTE 49,3 0,0 100,0 1,00 69,8 41,3 99,1 0,90 75,2 51,8 99,1 0,80 80,5 62,6 99,0 0,70 85,0 71,7 98,7 0,60 90,9 84,2 97,8 0,50 93,3 92,0 94,6 0,42 93,2 93,5 93,0 0,40 86,8 98,4 74,9 0,30 70,5 99,8 40,4 0,20 55,2 100,0 9,3 0,10 50,7 100,0 0,0 0,00 TOTL ESPECIFICIDD SENSIBILIDD PUNTO DE CORTE

43 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLIDCIÓN DEL MODELO: PRONOSTICDO PORCENTJE OBSERVDO Pago (0) Impago (1) Pago (0) ,10% Impago (1) ,57% Porcentaje global de acierto 92,82% Histograma de Probabilidades Pronosticadas de clientes cumplidores Histograma de Probabilidades Pronosticadas de clientes incumplidores Número de casos en la muestra Número de casos en la muestra 0 0 0, , , , , , , , , , Probabilidad 0, 0 0, 1 0, 2 0, 3 0, 4 0, 5 0, 6 0, 7 0, 8 0, 9 1, 0 Probabilidad 43

44 PROPUEST DE UN MODELO DE CREDIT SCORING PR INSTITUCIONES DE MICROFINNZS RESULTDOS DE L INVESTIGCIÓN VLIDCIÓN DEL MODELO: PRONOSTICDO PORCENTJE OBSERVDO Pago (0) Impago (1) Pago (0) ,10% Impago (1) ,57% Porcentaje global de acierto 92,82% Histograma de Probabilidades Pronosticadas CONJUNT Número de casos en la muestra 0,0 0,1 0,2 0,3 0,4 0,5 0,6 8 0,8 0,9 1,0 Probabilidad 44

45 PLICCIONES DEL CREDIT SCORING EN EL NEGOCIO DE LS INSTITUCIONES DE MICROFINNZS 45

46 NORMTIV DE BSILE II E INSTITUCIONES DE MICROFINNZS Fórmula de Basilea II en la normativa SBS: K CPITL = - EL+UL VaR (99,9%) EL PROVISIONES ctivos Ponderados por Riesgo (RW) = K 10 ED 46

47 K RW RW ρ K = = = RW LGD = = 0.15 RW = ρ = 0.04 LGD = N 100% 10% K 10 ED; N 100% 10% K 10 ED; G G ( PD ) + ρ G ( ) 1 ρ PD ( PD ) + ρ G ( ) G LGD N 1 PES = PD LGD ED ( PD ) + ρ G ( ) 1 ρ ρ LGD PD HIPOTECS RESIDENCILES PD ( PD ) + ρ G ( ) G LGD N 1 PES = PD LGD ED ρ LGD PD QULYFYNG REVOLVING (TRJETS) LGD LGD Se netea la pérdida esperada G K = LGD N 100% RW = LGD N 10% RW = K 10 ED; PES ρ 1 e ( PD ) + ρ( PD ) G ( ) 1 ρ( PD ) 35PD ( PD ) + ρ( PD ) G ( ) 1 ρ( PD ) G = PD LGD ED ( PD ) = e 1 e 1 e 35PD PD LGD PD LGD RESTO RETIL (CONSUMO) 47

48 48

49 49

50 INDICE Basilea II. Consumo de Capital Revolving 125,00% 100,00% 75,00% 50,00% 25,00% 0,00% BB BB+ BBB- BBB BBB+ B+ BB- B B- CCC RTING PONDERCION BSILE I PONDERCION BSILE II-ESTNDR PONDERCION BSILE II-IRB 50

51 PLICCIONES DEL CREDIT SCORING EN EL NEGOCIO DE LS INSTITUCIONES DE MICROFINNZS TIPO DE INTERES DEL CRÉDITO i COSTE DE LOS PRIM POR = FONDOS + RIESGO + EL+UL COSTES DE CONTRTCIÓN Y DE SEGUIMIENTO Credit Scoring CRGO POR PÉRDIDS ESPERDS EL CRGO POR CPITL EN RIESGO UL TS DE IMPGO x 1 TS DE RECUPERCIÓN CPITL EN RIESGO x COSTE DE CPITL PD LGD K ROE (CPM) 51

52 PLICCIONES DEL CREDIT SCORING EN EL NEGOCIO DE LS INSTITUCIONES DE MICROFINNZS POLITIC DE TSS DE INTERÉS DE L CMC CON SUS CLIENTES 1. Cliente 1: Rating BBB+ (Moderada probabilidad de incumplimiento) 2. Cliente 2: Rating B- (Moderada probabilidad de incumplimiento que se puede ver afectada si cambia el escenario económico/financiero a una situación más adversa) 3. Crédito Microempresa = $; Plazo = 1 año; Provisión =1% (BBB+) Provisión =5%(B-) 4. Precio crédito (igual en ambos en clientes) = 20,00% anual 5. Tasa LIBOR un año = Coste Fondos jenos= 5% 6. Costes operativos= 10% 7. Tasa impositiva= 35% 8. Rentabilidad ajustada al riesgo objetivo de la entidad con clientes (RORC)= 35% 9. Remuneración de la un ctivo Libre de Riesgo (TLR)= 3% (Bonos Gobierno) 10. plicación Tabla IRB Ponderaciones Riesgo Minorista (Otros) 52

53 PLICCIONES DEL CREDIT SCORING EN EL NEGOCIO DE LS INSTITUCIONES DE MICROFINNZS Probabilidad de impago para un cliente de rating BBB+ y de rating B- 53

54 Rentabilidad del cliente en Basilea I y Basilea II (antes del ajuste de tasas) 54