III JORNADAS DE DATA MINING EN EL MACRO DE LA MAESTRÍA EN DATA MINING DE LA UNIVERSIDAD AUSTRAL DEL CREDIT SCORING A LOS MODELOS DE PRICING AJUSTADOS POR RIESGO David Mermelstein, Economista Senior, Estudio Econviews/Miguel Kiguel & Asociados y Profesor Maestría en Data Mining de la Universidad Austral. IAE - Pilar, 12 y 13 de agosto de 2008
DEL CREDIT SCORING TRADICIONAL A LOS MODELOS DE PRICING AJUSTADO POR RIESGO dmermelstein@probitconsultora.com.ar econviews Mg. David A. Mermelstein 1
HOJA DE RUTA El Credit Scoring como herramienta de decisión n para el otorgamiento (Uso tradicional). El Credit Scoring como herramienta de valuación. Modelos de pricing. Simulación: Política de Credit Scoring tradicional vs. política de pricing. Reflexiones finales. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 2
EL CREDIT SCORING Y SU USO TRADICIONAL COMO HERRAMIENTA DE DECISION PARA EL OTORGAMIENTO Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 3
MODELOS DE CREDIT SCORING: DEFINICION Un modelo de Credit-Scoring tradicionalmente se ha definido como algún método, eventualmente estadístico, utilizado para clasificar solicitudes de crédito entre las categorías de buenas o malas, según la expectativa de repago que se les pueda atribuir. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 4
MODELOS DE CREDIT SCORING: ESTRUCTURA BASICA INPUTS Términos del crédito (Plazo, monto, tasa, etc.) Datos sociodemográficos (Edad, estado civil, etc.) Datos de las garantías, etc. MODELO DE SCORING OUTPUT Probabilidad de mora o default P(d) Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 5
MODELOS DE CREDIT SCORING: TIPOLOGIAS SEGÚN METODOLOGIAS: Sistemas expertos Estadísticos / Econométricos Dataminig puro SEGÚN FUENTES DE INFORMACIÓN: De Bureau De solicitud De comportamiento Mixtos Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 6
MODELOS DE CREDIT SCORING: OBJETIVO BASICO HERRAMIENTA DE DECISION DE OTOROGAMIENTO Estimar la probabilidad de ocurrencia de la mora/default de una solicitud de crédito en algún momento del período de repago, a fin de generar dictámenes de aprobación o rechazo. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 7
MODELOS DE CREDIT SCORING COMO HERRAMIENTAS DE OTORGAMIENTO Es la aplicación por excelencia de este tipo de modelos de scoring. El objetivo es reducir la tasa de mora, rechanzando potenciales malos pagadores. (Minimizar el error de tipo II) El costo de esa política viene dado por los potenciales buenos pagadores que serán rechazados (Error de tipo I), y el modelo deberá procurar minimizarlo. Mg. David A. Mermelstein 8
MODELOS DE CREDIT SCORING COMO HERRAMIENTAS DE OTORGAMIENTO ERROR DE TIPO I: Rechazar buenos pagadores ERROR DE TIPO II: Aceptar malos pagadores La entidad definirá en cada momento del tiempo, qué error le resulta más costoso y en función de ello seleccionará el punto de corte de scoring para el otorgamiento de nuevos créditos. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 9
MODELOS DE CREDIT SCORING SIMULADOR DE PUNTOS DE CORTE Permite simular distintas combinaciones de puntos de corte, incluyendo uno para zona de revisión. Para cada par de puntos de corte, el simulador informa: Volúmenes de casos que se encuendran en cada zona (% de Aprobación, % de Rechazo y % de Revisión) % de Aciertos (Buenos aceptados - Malos rechazados) % de Errores (Buenos rechazados - Malos aceptados) Margen porcentual de mejora por revisión Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 10
MODELOS DE CREDIT SCORING SIMULADOR DE PUNTOS DE CORTE Ejemplo: Una política de alta reducción de mora con 10% de zona gris: Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 11
EL CREDIT SCORING COMO HERRAMIENTA DE VALUACION Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 12
MODELOS DE CREDIT SCORING: OBJETIVO EXTENDIDO HERRAMIENTA DE VALUACION Estimar la probabilidad de ocurrencia de la mora/default de una solicitud de crédito en algún momento del período de repago, como insumo para el modelo de rentabilidad esperada de la operación. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 13
ESTRUCTURA DEL RIESGO DE CREDITO Abordaje desde el concepto del perdida esperada : E (L) = EAD * LGD * P (d) Siendo: E(L): Pérdida esperada EAD: Exposición ante el default LGP: Pérdida ante el default P(d): Probabilidad de default Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 14
ESTRUCTURA DEL RIESGO DE CREDITO E (L) = EAD * LGD * P (d) E(L): Pérdida esperada: Cada operación de crédito debe ser entendida como una inversión financiera. Como tal, generará un flujo de fondos que deberá ser descontado a una tasa pertinente. En este caso, el flujo es contingente (a dos situaciones: default / no default) y por eso debemos ponderar una ganancia y una pérdida esperada. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 15
ESTRUCTURA DEL RIESGO DE CREDITO E (L) = EAD * LGD * P (d) EAD: Exposición ante el default Cuánto nos debe el deudor al momento del default. LGD: Pérdida dado el default Una fracción de la exposición, que dependerá inversamente de nuestra capacidad de recupero dado el default (ejecución de garantías, etc.) Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 16
ESTRUCTURA DEL RIESGO DE CREDITO E (L) = EAD * LGD * P (d) P (d): Probabilidad de default Probabilidad de ocurrencia del evento del default para cierto lapso de tiempo. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 17
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 18
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA OBJETIVO Entendiendo cada operación como una alternativa de inversión para el Banco, el objetivo del modelo es el de estimar el Valor Actual Neto en expectativa (o la respectiva TIR) de cada operación, ponderado por su riesgo. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 19
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA ESTRUCTURA BASICA El modelo típico consiste en una fórmula que pondera los componentes del VAN de la operación en cada escenario posible, ponderados por su respectiva probabilidad de ocurrencia: Cash-flow en caso de cobranza normal Estructura temporal de la caída en default (Función de supervivencia) Exposición ante el default Pérdida dado el default (Ej: 1- % de recupero) Costo del dinero y otros costos asociados Otros importes de cash (Ej. Pre-payments) Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 20
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA ESTRUCTURA BASICA En términos generales, el VAN esperado surge como el cash-flow en caso de cobro normal, ponderado por su respectiva probabilidad, más el cash-flow en caso de default, ponderado por P(d) E(VAN)= VAN {(1-P(d)) * CFND + P(d) * CFD} Dónde P(d) surge del modelo de scoring Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 21
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA Específicamente, el VAN esperado de cada operación viene dado por: Probabilidad de default calculada por el modelo de scoring T E(VAN) = van{[ 1 P(d)]*CFND + P(d)* P(s > t)*[cfhd + t = 0 t r*ed t ]} Cash Flow sin default CFND: Cash-flow no default Cash Flow en caso de default P(s>t): Probabilidad de supervivencia sin default hasta t CFHD t : Monto reembolsado hasta t r: Tasa de recupero (neta) ED t : Saldo pendiente en t Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 22
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA APLICACIÓN DEL MODELO Del VAN esperado, surgirá la TIR esperada para cada operación. Asumiendo que se decida una TIR* como piso de rentabilidad para las operaciones, se tendrá el siguiente esquema de valuación de créditos: TIR >=TIR* SI Aprobar préstamo / Reestructurar préstamo en cartera NO Alternativas: Aplicar sobretasa tal que TIR>=TIR* Cambiar condiciones de LTV, plazo, etc. tal que baje P(d) (Mejorar el scoring) Aplicar algún cash para aumentar la TIR Denegar operación Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 23
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA Detalle de la operación: Capital inicial $1 Plazo 1 año APLICACIÓN DEL MODELO EJEMPLO CREDITO HIPOTECARIO: Pagos 1 vencido LTV 100% Costo del dinero 3% Tasa activa 5% Gastos de originación 0% Comisión de originación 0% Gastos de ejecución hip. 33% P(d) Scoring- 2% TIR* 1,3% Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 24
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA APLICACIÓN DEL MODELO RESULTADO HIPOTETICO: Escenario Concepto Período 0 1 2 Sin default Capital inicial -1,00 P(nd)= 98% Pagos 1,05 (I) Costo del dinero (s/cap. pendiente) -0,03 Cash Flow (Sin default) -1,00 1,02 0,00 Con default Capital inicial -1,00 P(d)= 2% Pagos 0,00 (Scoring) Costo del dinero (s/cap. pendiente) -0,03-0,03 (II) Gastos ejecución hipotecaria -0,33 R: Mín { Deuda + Gs; V. Venal } 1,00 Cash Flow (Con default) -1,00-0,3587 0,9700 0.98* (I)+ 0.02 * (II) E(CF) Cash Flow Esperado -1,00 0,9924 0,0194 TIR 1,16% < 1,30% ==> DENEGAR VAN -0,0014 < 0 ==> DENEGAR Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 25
MODELOS DE DECISION EN BASE A LA RENTABILIDAD ESPERADA APLICACIÓN DEL MODELO El resultado muestra que la TIR esperada (1.16%) de esta operación hipotética resultaría menor a la que el Banco se había propuesto como piso (1.30%) Sin una alteración de algunos parámetros, la operación no resulta viable dada la política crediticia predeterminada. Para lograr la viabilidad de la operación se requerirá aplicar una o más de las siguientes alternativas: Con una tasa activa del 5.15% la TIR de la operación resulta 1.3%, por lo que una sobretasa del 0.15% permite alcanzar el umbral de rentabilidad mínimo predeterminado. Ofrecer combinaciones alternativas de plazo y LTV tal que bajen el scoring P(d), y por ende aumenten el VAN y la TIR. Con un scoring de 1.65% (en vez de 2%) la TIR esperada aumenta hasta 1.3% Incorporar un pago cash adicional: Con un cash del 0.14% del capital la TIR aumenta hasta el 1.3% buscado. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 26
SIMULACION DE POLÍTICAS CREDITICIAS ALTERNATIVAS: Scoring tradicional vs. Pricing Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 27
POBLACION OBJETIVO 10.000 deudores potenciales, con la siguiente distribución de probabilidades de incumplimiento: Población según riesgo (Prob) Observations 10000 0.00 0.25 0.50 0.75 1.00 Del Credit Scoring tradicional al pricing Probabilidad de default Mg. David A. Mermelstein 28
Tasa de interés según riesgo: Cada individuo estará dispuesto a pagar una tasa acorde a su perfil de riesgo. Existe información asimétrica porque cada deudor conoce su perfil de riesgo, pero no así el prestamista. La TIR de cada operación surge de la siguiente igualdad: V 0 = E( VT (1 + i * ) ) = CFD * Pd + CFND * (1 * (1 + i ) Pd ) Donde: V 0 : Valor presente del préstamo E(V T ): Valor esperado del cash flow en el momento T (fin del repago) CFD: Cash flow con default CFND: Cash flow sin default i*: TIR de la operación Pd: Probabilidad de default (modelo de scoring) Mg. David A. Mermelstein 29
Tasa de interés según riesgo: Desarrollando el numerador de la expresión anterior, asumiendo que el recupero en caso de default es nulo (CFD=0): V 0 = E( VT (1 + i * ) ) = V 0 * (1 + r) * (1 * (1 + i ) Pd ) Siendo r la tasa de interés efectiva a cobrar, tal que se garantice la TIR deseada TIR*, o sea, es el precio del préstamo según riesgo. Despejando r, se obtiene: * 1 + i = 1 Pd r (1) 1 Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 30
Pricing Cada deudor potencial estará dispuesto a pagar un precio según su riesgo: Tasa de interés según perfil de riesgo para garantizar una TIR esperada del 5% Tasa de interés (Precio) 350% 300% 250% 200% 150% 100% 50% 0% 0% 20% 40% 60% 80% Probabilidad de default Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 31
Políticas crediticias alternativas: Scoring tradicional vs. Pricing Política 1: SCORING TRADICIONAL Se fija un punto de corte (cut-off) del 25% Se establece una tasa de interés fija del 28,15%, que representa a la tasa promedio de los individuos en el mercado que están por debajo del cut-off anterior. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 32
Política 1: Market share 7.6% del mercado (se pierden 6.5% por efecto de selección adversa ): 0.00 0.25 0.50 0.75 1.00 Probabilidad de default Mg. David A. Mermelstein 33
Política 1: Market share 7.6% del mercado (se pierden 6.5% por efecto de selección adversa ): Se pierden los mejores perfiles de riesgo por la imposición de la tasa fija en el 28.15% Efecto "selección adversa" Demanda (0=NO; 1=SI) 120% 100% 80% 60% 40% 20% 0% 0% 10% 20% 30% 40% 50% Tasa de interés cargada Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 34
Políticas crediticias alternativas: Scoring tradicional vs. Pricing Política 2: PRICING AJUSTADO POR RIESGO No hay punto de corte, sino que se exige una TIR esperada del 5% para la aprobación de la operación. La tasa de interés a aplicar surge en función de la expresión (1), pero se establece un techa (cap) del 28,15%. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 35
Política 2: Market share 6.5% del mercado. Si el cap se fijara en el 30% en vez de en el 28.15%, la share sería de igual magnitud que el alcanzado con la política 1. No se pierden casos por selección adversa, sino que se atraen los mejores perfiles, aquellos que la política 1 expulsa: 0.00 0.25 0.50 0.75 1.00 Probabilidad de default Mg. David A. Mermelstein 36
Políticas crediticias alternativas: Scoring tradicional vs. Pricing RESULTADOS COMPARATIVOS: POLITICA CREDITICIA Market share efectivo (después de "selección adversa") Probabilidad de default promedio TIR esperada Scoring tradicional. Cut-off: 25%. Tasa fija: 28.15% 7.60% 21.70% 0.30% Pricing. Cap 28.15% 6.50% 13.20% 5% Pricing. Cap 30% 7.70% 14% 5% Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 37
Políticas crediticias alternativas: Scoring tradicional vs. Pricing RESULTADOS COMPARATIVOS: Rentabilidad esperada según riesgo TIR esperada 6% 5% 4% 3% 2% 1% 0% -1% -2% -3% -4% -5% Cut-off 0% 10% 20% 30% Probabilidad de default Política 1: Scoring tradicional Política 2: Pricing por riesgo Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 38
REFLEXIONES FINALES VENTAJAS DEL PRICING AJUSTADO POR RIESGO FRENTE AL SCORING TRADICIONAL Apunta de modo directo e integral a optimizar la relación rentabilidad/riesgo (El modelo de scoring tradicional sólo lo hace de modo indirecto y parcial, buscando limitar la tasa de NPLs). Otorga mayor flexibilidad admitiendo más de una alternativa para lograr la viabilidad de una operación. Permite ganar más mercado, con deudores de mejor calidad crediticia. Reduce selección adversa mediante el pricing. Está en línea con las mejores prácticas del estado del arte en la administración de riesgos. Todavía queda un camino a recorrer para utilizar este paradigma, pero la recompensa promete ser alta. La competencia exige innovación. Del Credit Scoring tradicional al pricing Mg. David A. Mermelstein 39