Seguimiento de Modelos y Carteras

Transcripción

1 Seguimiento de Modelos y Carteras Pilar Sales Regulación bancaria, modelos de riesgos y medición del impacto de la banca de desarrollo Barcelona, 20 y 21 de octubre de 2015

2 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos - Seguimiento de Carteras - Resumen de Objetivos 2

3 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos - Seguimiento de Carteras - Resumen de Objetivos 3

4 Introducción Las mejores prácticas internacionales de gestión del riesgo instan a las entidades a mejorar la gestión del riesgo: Creación de la unidad de control de riesgo de crédito: Responsable del diseño o selección de los sistemas de calificación, así como su puesta en práctica, supervisión y funcionamiento. Elaborará periódicamente informes sobre los resultados de los sistemas de calificación. Entre sus funciones más concretas está la de revisar de manera continua y modificar los modelos utilizados en los procesos de calificación. También la auditoría interna tiene un papel importante en el control del riesgo, que deberá examinar periódicamente los sistemas de calificación de la entidad de crédito y su funcionamiento. El proceso general de seguimiento de riesgos se resume en el siguiente esquema: Controles Periódicos Señales de Alerta Análisis Calificación Determinación de la Política a Seguir 4

5 Introducción Seguimiento de los modelos Para asegurar la buena implantación y evitar situaciones de pérdida de predictividad es necesario realizar un seguimiento de este tipo de algoritmos para que se incremente, en el primer caso, y permanezca, en el segundo, su capacidad discriminatoria. El seguimiento se debe plantear en varias etapas: - Corto plazo (Evaluación inicial) - Medio plazo (Evaluación continua) - Largo plazo (Evaluación final) Seguimiento de la cartera Para asegurar la buena salud de la cartera viva es necesario realizar un seguimiento de ésta y poder evaluar la mora de forma periódica, idealmente cada mes. 5

6 Introducción El seguimiento a Corto Plazo debe realizarse durante los dos/ tres primeros meses de utilización de un algoritmo de Credit Scoring o calificación, y se debe realizar en los siguientes términos: - Se debe analizar los perfiles de la población que solicita la operación, de cara a contrastar que los perfiles de la entidad coinciden con los utilizados en la elaboración del algoritmo, o identificar en su caso las posibles diferencias de perfiles. - Se debe contrastar: los niveles de aprobación/ duda/ rechazo, en el caso de Credit Scoring, frente a los niveles previstos por la entidad. Esto llevará a un posible ajuste de las fronteras de aprobación y rechazo, tanto de PERFIL como de CAPACIDAD DE PAGO. La simetría en la ordenación de la calificación, en el caso de Ratings, entre las empresas calificadas por el algoritmo y las calificadas por los analistas de la entidad. - Y por último, en este seguimiento a Corto Plazo, se realiza un contraste de la resolución de la herramienta frente a la resolución de la entidad para analizar las divergencias observadas y determinar cuáles son los motivos de éstas. 6

7 Introducción El seguimiento a Medio Plazo se realiza a partir de los seis meses de utilización de las herramientas, y debe incorporar información de comportamiento. Aunque esta información no puede ser todavía morosidad a 90 días, ya que se dispondrá de poca maduración en las carteras, sí se han de fijar criterios de estudio a partir de las incidencias. A partir de esta información se debe obtener un descriptivo bivariante que permitirá determinar los puntos débiles de las herramientas. A partir de este análisis bivariante se estará en disposición de determinar qué acciones conviene aplicar: - Ajustes de fronteras de aprobación/denegación - Modificación del tratamiento de variables dentro de los algoritmos - Aplicación de reglas elicitadas. 7

8 Introducción Seguimiento a Largo Plazo se realiza a partir del primer año de utilización del algoritmo, donde es necesario realizar un análisis respecto de la morosidad. Dentro de este análisis debe existir una comparativa de correlación entre los resultados del estudio a Medio Plazo utilizando criterios de incidencias, y el de morosidad. Los resultados obtenidos se traducen normalmente en: - Ajuste de fronteras - Modificación del tratamiento de variables dentro del algoritmo - Aplicación de reglas elicitadas - Cambios en los pesos de las variables (fundamentalmente en genéricos y mixtos) En definitiva, cuando se introducen herramientas de calificación y otorgamiento en una entidad, es necesario realizar un seguimiento de esta herramienta, que será muy exhaustivo en el corto plazo. Sin embargo es importante que la entidad realice este seguimiento a Largo Plazo con una periodicidad anual, de cara a detectar posibles nuevas tendencias. 8

9 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos Poder Predictivo Estabilidad Población Sistema de Decisión/Otorgamiento - Seguimiento de Carteras - Resumen de Objetivos 9

10 Modelo Esquema proceso seguimiento Poder de predicción Estabilidad poblacional Sistema de otorgamiento Revisar el poder de predicción del modelo (Gini) No. Revisar cada trimestre Ha disminuido?? Sí Revisar el poder de predicción de las variables (OR,DAR) Muchos cambios Estimar un nuevo modelo Hay cambios?? No hay cambios Pocos cambios Definición de nuevas reglas elicitadas No Distribución de las puntuaciones (K-S) Hay cambios?? Revisión de los puntos de corte Distribución variables (Cramer s V, K-S) Variables con alta dispersión Sí Estudiar dónde hay cambios Sí Han aumentado? Hay cambios?? Información útil else para diagnóstico Revisar la morosidad en overrides (OR, DAR)? Ha aumentado? No Revisar otros elementos de otorgamiento (reglas el., Capacidad de pago,...). Modificar los criterios de los analistas (s. vinculante) Revisar el volumen de overrides (IOR)? No Sí Información útil para diagnóstico 1 0

11 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos Poder Predictivo Estabilidad Población Sistema de Decisión/Otorgamiento - Seguimiento de Carteras - Resumen de Objetivos 1 1

12 Modelo 1. Poder Predictivo PRUEBAS A REALIZAR: (1) Medir el grado de discriminación del modelo Los modelos de calificación se utilizan para distribuir a los clientes/operaciones en función de distintos niveles de riesgo. Esta distribución se cuantifica a través de la Probabilidad de Default. Existen numerosos indicadores de eficiencia, tanto de la herramienta de calificación como de los factores que la integran. Los utilizados habitualmente son: Índice de GINI / Curva de Lorenz Estadístico de Poder KS 1 2

13 Modelo 1. Poder Predictivo Coeficiente de Gini / Curva de Lorenz Un estadístico que permite medir el grado de concentración de perfiles morosos es el Coeficiente de Gini, que es un buen indicador del grado de discriminación en los modelos de predicción. Junto con el Coeficiente de Gini, es utilizada la Curva de Lorenz, que es la representación gráfica del Coeficiente de Gini. % Morosidad Acumulada 100,0% 90,0% 80,0% 70,0% 60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0% Curva modelo Discriminación aleatoria N Gini = 1 (% B_ Ac % B_ Ac ) (% M _ Ac + % M _ Ac ) j= 1 t j Gini Discriminación aleatoria Buenosj Morosos j= B Ac = 1 j j= % _ t TotalBueno s % M _ Ac = 1 t TotalMoros os j 1 Como más grande es el area entre la curva y la bisectriz mejor es el modelo obtenido 0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0% 90,0% 100,0% % población acumulada Como más grande es el area entre las dos curvas mejor es el modelo obtenido j Curva modelo t j 1 Consideraciones Analizamos carteras y subcarteras Usamos operaciones formalizadas. El coeficiente de Gini nos informa del poder de predicción. Se puede contrastar con valores obtenidos en el pasado 1 3

14 Modelo 1. Poder Predictivo Estadístico de Poder La filosofía que subyace en la medida de eficiencia realizada a través del Estadístico de Poder es básicamente la misma que en el Índice de GINI. La diferencia entre uno y otro radica en el área del rectángulo representado en el eje de abscisas y ordenadas: mientras que el Índice de Gini mide el área entre la línea a 45 grados (línea de un modelo aleatorio) y la curva que dibuja el modelo, el Estadístico de Poder mide todo el área que queda por debajo de la Curva del modelo. PwSt(%) = (GINI/2)

15 Modelo 1. Poder Predictivo K-S Test de Kolmogorov-Smirnov Es la diferencia máxima entre las distribuciones acumuladas de los casos buenos y de los casos malos, por tanto, indica la mayor o menor separación entre estas dos subpoblaciones. 100% 80% % Acumulado 60% 40% 20% Máxima diferencia 0% 0,0% 20,0% 40,0% 60,0% 80,0% 100,0% % Población Acum Malos Acum Buenos 1 5

16 Modelo 1. Poder Predictivo PRUEBAS A REALIZAR: (2) Detectar la variación de poder de predicción del modelo en el tiempo Es recomendable analizar la evolución del poder de predicción del modelo con cierta periodicidad. 100% Gini inicial Gini actual Consideraciones Analizamos carteras y subcarteras % Morosidad acum 90% 80% 70% 60% 50% 40% 30% 20% 10% Curva actual Modelo Aleatorio Curva inicial 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% % Población acum Contrastamos que la variación del coeficiente de Gini no sea significativa 1 6 Sólo se utilizan las operaciones formalizadas El coeficiente de Gini puede verse afectado por: - cambios poblacionales, o bien - cambios de poder de predicción de las variables del modelo El contraste de Ginis a través de un intervalo de confianza nos informa de una perdida definitiva del poder de predicción (o alternativamente el test U de Mann-Whitney para 2 modelos).

17 Modelo 1. Poder Predictivo Ejemplo: Entidad X Marzo 2013 Marzo

18 Modelo 1. Poder Predictivo PRUEBAS A REALIZAR: (3) Detectar la variación de poder de predicción de cada variable y sus categorías En variables continuas calculando el Gini por variable. En variables categóricas mediante el cálculo del OR (Odds Ratio) y DAR (Diferencial Absoluto del Riesgo). Variable Moroso Sí No Sí 10 =:a 57 =:b No 170 =:c =:d (a/b) / (c / d) a/(a+b) - c/(c+d) = 4,1 =: OR = 11% =: DAR 4% =: Mora Ratio de morosos 4 veces superior Diferencial de riesgo de mora Variable Moroso Sí No Sí No Valores año A Odds Ratio (OR): 8,8 DAR: 22% Mora: 4% La morosidad en mora previa ha aumentado significativamente Diferencias significativas Variable Moroso Sí No Sí No Valores año B Odds Ratio (OR): 5,8 DAR: 21% Mora: 6% En este nuevo escenario con más morosidad debemos ser en general más estrictos. 1 8

19 Modelo 1. Poder Predictivo Ejemplo: Entidad X 1 9

20 Modelo 1. Poder Predictivo Poder de predicción Estabilidad poblacional Sistema de otorgamiento Revisar el poder de predicción del modelo (Gini) No. Revisar cada trimestre Ha disminuido?? Sí Revisar el poder de predicción de las variables (OR,DAR) Muchos cambios Estimar un nuevo modelo Hay cambios?? No hay cambios Pocos cambios Definición de nuevas reglas elicitadas 2 0

21 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos Poder Predictivo Estabilidad Población Sistema de Decisión/Otorgamiento - Seguimiento de Carteras - Resumen de Objetivos 2 1

22 Modelo 2. Estabilidad de Población PRUEBAS A REALIZAR: (1) Revisar la distribución de puntuaciones del scoring/rating Una modificación en la calidad crediticia de la cartera (ya sea a nivel producto o a nivel perfil) puede producir la necesidad de realizar algún reajuste en los puntos de corte del modelo de otorgamiento. Consideraciones Puntuación Modelo construcción Acumulado hasta 1r trim Diferencia < 0,1 50% 48% 2% < 0,2 70% 64% 4% < 0,4 95% 88% 7% < 0,6 97% 87% KS = 10% < 0,8 99% 91% 8% < 1 100% 100% 0% Analizamos carteras y subcarteras Usamos operaciones formalizadas o todas las solicitadas Modelo de construcción contra la cartera actual acumulada y la periódica El coeficiente de KS nos informa de un cambio significativo en las puntuaciones. También se utiliza el PSI Índice de Estabilidad Poblacional. 2 2

23 Modelo 2. Estabilidad de Población PRUEBAS A REALIZAR: (2) Revisar la distribución de la variables del algoritmo Este análisis pretende identificar alteraciones poblacionales. En este caso el estudio se realiza a nivel variable (e.g. Estado Civil) Nuestro interés se centrará en detectar qué variables han sufrido un cambio significativo en la distribución de sus categorías (e.g. % de solteros, % casados, etc.) Para medir el tamaño de la variación, dependiendo de la naturaleza de la variable se pueden usar los siguientes contrastes: Variable ordenadas: Test KS. Variables categóricas no ordenadas: El grado de asociación dado por el estadístico Cramer s V (Chi-cuadrado normalizada) y el test de la Chi-cuadrado para testar diferencias. 2 3

24 Modelo 2. Estabilidad de Población Ejemplo: Entidad X Gestión Cartera Estab. Poblacional 2 4

25 Modelo 2. Estabilidad de Población Poder de predicción Estabilidad poblacional Sistema de otorgamiento Distribución de las puntuaciones (K-S) No Hay cambios? Sí? Revisión de los puntos de corte Distribución variables (Cramer s V, K-S) Estudiar dónde hay cambios Definición de nuevas reglas elicitadas Variables con alta dispersión Hay cambios?? Información útil else para diagnóstico 2 5

26 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos Poder Predictivo Estabilidad Población Sistema de Decisión/Otorgamiento - Seguimiento de Carteras - Resumen de Objetivos 2 6

27 Modelo 3. Sistema de Decisión / Otorgamiento PRUEBAS A REALIZAR: (1) Análisis de overrides producidos por el analista Algoritmo Cap. Pago / Límites Reglas / Filtros F.Sec. Pago Dictamen Herramienta Dictamen Entidad Objeto de Análisis 2 7

28 Modelo 3. Sistema de Decisión / Otorgamiento Sentido del análisis 2 Dictamen Entidad Dictamen Herramienta 1 Algoritmo Cap. Pago Límites Reglas / Filtros F.Sec. Pago Zona de Riesgo Pérdida Negocio Validación Cruzada 2 8

29 Modelo 3. Sistema de Decisión / Otorgamiento Para el nivel de vinculación de la entidad a la herramienta tenemos el Indicador de Overrides Relativo (IOR). Este indicador nos informa de cuanto más probable es una aprobación NO vinculada (override) que una aprobación vinculada a la herramienta. Este indicador nos permite definir alarmas sobre el aumento significativo de los overrides por cartera, oficina, etc. Dictamen herramienta Aprobado/ duda Dictamen entidad Aprobado Denegado =: a 330 =: b Denegar 300 =: c =: d Riesgo de aprobar a / (a + b) = 98% =: RiesgoAprob (aprobado/duda) c / (c + d) = 10% =: RiesgoAprob (denegar) RiesgoAprob (aprobado/duda) RiesgoAprob (denegar) = 9,8 := IOR 10 veces más probable una aprobación vinculada a la herramienta que una aprobación no vinculada a la herramienta 2 9

30 Modelo 3. Sistema de Decisión / Otorgamiento PRUEBAS A REALIZAR: (2) Análisis de MOROSIDAD en overrides producidos por el analista Algoritmo Cap. Pago Filtros F.Sec. Pago Dictamen Herramientas Dictamen Entidad/analista Entradas en mora Objeto de Análisis 3 0

31 Modelo 3. Sistema de Decisión / Otorgamiento Poder de predicción Estabilidad poblacional Sistema de otorgamiento Revisar la morosidad en overrides (OR, DAR) Sí? Ha aumentado? No Revisar otros elementos de otorgamiento (reglas el., Capacidad de pago,...). Modificar los criterios de los analistas (s. vinculante) Revisar el volumen de overrides (IOR) Han aumentado? Información útil para diagnóstico? No Sí Información útil para diagnóstico 3 1

32 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos - Seguimiento de Carteras - Resumen de Objetivos 3 2

33 Seguimiento de Cartera PRUEBAS A REALIZAR: (1) Vintage Analysis Este estudio se puede representar en una tabla de doble entrada. En un eje tendremos momentos de formalización (cosechas a nivel mensual, trimestral,...), de la cartera o subcartera que estemos analizando, y en el otro eje tendremos la morosidad observada en periodos regulares (mora real o cualquier otra definición de operación mala) Este tipo de análisis permite detectar tempranamente la morosidad, y/o identificar carteras o subcarteras con diferentes tasas medias de morosidad. Tiene especial interés en el seguimiento de campañas y/o acciones específicas, y en la fijación de estrategias de Pricing para determinadas subcarteras incorporando niveles de riesgos más afinados. 3 3

34 Seguimiento de Cartera Ejemplo Morosidad Cosechas % 0.4% 0.9% 1.3% 1.4% 1.9% 2.1% 2.5% 2.9% 3.2% 3.5% 3.9% 4.2% % 0.5% 1.3% 1.9% 2.7% 3.2% 4.0% 4.6% 5.3% 6.1% 6.7% 7.1% 7.7% % 0.7% 2.2% 3.3% 4.5% 5.6% 6.7% 7.7% 8.6% 9.4% 10.1% 10.8% 11.5% % 0.5% 1.7% 2.9% 3.9% 5.0% 6.1% 7.5% 8.7% 9.9% 11.3% 12.8% 14.1% % 0.6% 1.8% 3.1% 4.8% 6.4% 8.1% 9.8% 11.7% 13.6% 15.1% 16.4% 17.6% % 0.6% 1.3% 1.9% 2.2% 4.0% 4.0% 4.4% 6.2% 6.8% 6.9% 7.8% 8.4% % 0.0% 0.5% 0.3% 1.0% 1.2% 1.7% 1.8% 2.3% 2.7% 3.3% 3.4% 4.1% % 0.0% 0.4% 0.6% 0.8% 1.3% 1.7% 1.9% 2.2% 2.7% 3.4% 3.9% 4.5% % 0.1% 0.4% 0.7% 1.0% 1.5% 2.1% 2.6% 3.3% 3.6% 4.0% 4.6% 5.0% 20131T 0.0% 0.0% 0.2% 0.5% 0.5% 0.8% 1.5% 2.4% 2.1% 2.4% 2.4% 2.5% 2.6% 20132T 0.0% 0.0% 0.5% 0.6% 0.7% 1.0% 2.6% 2.0% 3.5% 3.6% 4.1% 4.3% 4.3% 20133T 0.0% 0.1% 0.2% 0.3% 1.1% 1.8% 2.0% 2.6% 3.2% 3.7% 4.0% 4.2% 4.2% 20134T 0.0% 0.0% 0.0% 0.4% 0.8% 1.1% 1.4% 1.6% 2.2% 2.0% 2.3% 2.6% 2.6% 20141T 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.7% 1.2% 1.6% 2.0% #N/A #N/A #N/A 20142T 0.0% 0.0% 0.0% 0.4% 1.0% 1.3% 1.4% #N/A #N/A #N/A #N/A #N/A #N/A 20143T 0.0% 0.0% 0.0% 0.0% #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A 20144T #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A 20151T #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A Ratio Curva 90+ & fallidos 28% 24% 20% 16% 12% 8% 4% 0% VINTAGE T T T T T T T Meses Acciones: - Revisión y Ajuste de los Puntos de Corte - Definición de Reglas/Filtros para tratar colectivos específicos - Pricing 3 4

35 Seguimiento de Cartera PRUEBAS A REALIZAR: (2) Roll Rates Este estudio consiste también en una tabla de doble entrada. En un eje tendremos la Situación de la Operación (Regular, incidencia a 30 días, incidencia a 60 días, morosidad, contencioso, fallido,...) de la cartera o subcartera que estemos analizando, y en el otro eje tendremos la Fecha de Observación (mes, trimestre, etc...) Este tipo de estudio permite analizar la evolución del stock (Cartera Viva) de un intervalo temporal a otro (por ejemplo mes a mes, trimestre a trimestre,...) y la dinámica de entrada en mora. Tiene especial interés en el seguimiento y desarrollo del proceso de Recuperación de la entidad. 3 5

36 Seguimiento de Cartera Ejemplo Situación del impago Fecha de la observación Cartera Viva dic-14 ene-15 feb-15 mar-15 0 Sana 1,045,042 1,037,809 1,038,241 1,045,598 De 0 a 1 a 30 5,878 8,315 7,816 7,052 De 1 a 30 a 31 a 60 7,187 5,332 7,013 6,869 De 31 a 60 a 61 a 90 5,203 5,031 4,716 4,645 De 61 a 90 a 91 a 120 3,488 3,748 3,274 3,112 De 91 a 120 a 121 a 150 3,052 3,273 3,394 3,063 De 121 a 150 a 151 a 180 3,005 2,783 2,945 3,106 De 151 a 180 a 181 a 210 2,455 2,713 2,673 2,767 De 181 a 210 a 211 a 240 2,433 2,336 2,590 2,503 De 211 a 240 a 241 a 270 2,524 2,371 2,204 2,432 De 241 a 270 a 271 a 300 2,444 2,479 2,348 2,173 De 271 a 300 a 301 a 330 2,754 2,470 2,339 2,295 De 301 a 330 a 331 a 360 2,498 2,611 2,310 2,251 Acciones: - Políticas de Crédito - Estrategias de Recuperación 3 6

37 Seguimiento de Cartera PRUEBAS A REALIZAR: (3) Análisis de migraciones de PD Matrices de Transición El objetivo de este estudio es calcular la matriz de probabilidad de transición, observar la estabilidad de dichas matrices de transición y analizar las causas de las migraciones significativas de niveles de Calificación. Se definen las acciones a tomar en base a la cuantificación de la importancia de los flujos entre categorías de crédito en un periodo de tiempo; mes a mes, trimestre a trimestre o año a año. Los elementos para la construcción de la matriz son clientes, no emisiones concretas de deuda de cada cliente, ni variaciones de su deuda con el banco. 3 7

38 Seguimiento de Cartera Ejemplo Matriz de Transición Perfil de Riesgo Bueno y Muy Bueno con transición positiva en [t]. Acciones a tomar: Potenciar acciones Negocio que mejore vinculación Captar Pasivo Perfil de Riesgo Malo Riesgo a Seguir: Clientes con seguimiento especial desde [t-1] Categorización Perfiles Clientes para diseñar el Plan de Seguimiento Perfil de Riesgo Bueno y Medio con transición Negativa en [t]: Perfil de Riesgo Bueno y muy bueno con transición muy Negativa en [t]. Acciones a tomar: Reestructuraciones Riesgos a Reducir Riesgos a Extinguir Acciones a tomar: Seguimiento a nivel Bajo a Vigilar Seguimiento a nivel Medio Reforzar Fuentes Secundarias de Pago Seguimiento a nivel Alto (Restructuración, Refinanciación, Extinción) 3 8

39 Contenido Seguimiento de Modelos y Carteras - Introducción - Seguimiento de Modelos - Seguimiento de Carteras - Resumen de Objetivos 3 9

40 Resumen de objetivos OBJETIVOS DE LOS MODELOS Modelo de otorgamiento 1. Discriminar entre clientes morosos y clientes no morosos 2. Fijar los puntos de corte por cartera y subcartera de forma que tengamos el volumen de negocio y de riesgo deseados 3. Emitir un dictamen que discrimine entre clientes potencialmente morosos y no morosos, a partir de los elementos de otorgamiento: algoritmo, capacidad de pago, filtros, capacidad de pago secundaria 4 0

41 Resumen de objetivos OBJETIVOS DEL SEGUIMIENTO Modelo de otorgamiento Objetivos: Poder de predicción 1. Medir el grado de discriminación del modelo 2. Detectar la variación de poder de predicción del modelo en el tiempo 3. Detectar la variación de poder de predicción de las variables de población y sus categorías Estabilidad de población 1. Revisar la distribución de puntuaciones del scoring/rating 2. Revisar la distribución de la variables del algoritmo Sistema de otorgamiento 1. Análisis de overrides producidos por el analista 2. Análisis de morosidad en overrides producidos por el analista Indicadores: - Índice de Gini, Mora, Índice de Overrides Relativo (IOR), Diferencial Absoluto del Riesgo (DAR), Odds Ratio (OR), Test K-S, Cramer s V y Chi-square. 4 1

42 Resumen de objetivos OBJETIVOS DEL SEGUIMIENTO Seguimiento de cartera Objetivos: 1. Medir los niveles de morosidad de los grupos de riesgo a lo largo del tiempo Indicadores: - Vintage analysis - Roll Rates - Matrices de transición 4 2

43 Muchas gracias!