PUNTAJE DE COMPORTAMIENTO. Febrero 2007

Documentos relacionados
Modelos de Puntuación Puntaje de Originación

Superintendencia de Bancos del Ecuador Dirección Nacional de Estudios e Información SUBDIRECCIÓN DE ESTUDIOS

Santander S.A. Sociedad Securitizadora

EF Securitizadora S.A. Quinto Patrimonio Separado. Razón reseña: Primera Clasificación del Emisor y sus valores. Octubre 2017

Informe sobre condiciones de crédito a empresas por tamaño

Reporte sobre la Composición del Portafolio Consolidado de FHipo al 31 de diciembre de 2015

2017, año del Centenario de la Constitución Mexicana Índice Nacional de Precios al Consumidor 2017

Tasas de dudosidad del crédito inmobiliario Asociación Hipotecaria Española

crédito. Por ejemplo si la institución ha fijado que los clientes buenos son aquellos que tienen 500 puntos o más, este cliente sería rechazado.

Financiamiento Estructurado

Reporte sobre la Composición del Portafolio de FHipo al 30 de septiembre de 2015

Microcrédito en Colombia

El crédito bancario, en línea

QUIEN CONTROLA LAS TASAS DE INTERES EN LAS EPS???

Tasas de dudosidad del crédito inmobiliario Asociación Hipotecaria Española

CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán

EVALUACION DEL RIESGO DE CREDITO EN COPROCENVA NOVIEMBRE 2010

El diferencial de CVaR se define como la el VaR Condicional del portafolio menos el VaR Condicional del portafolio sin derivados.

El diferencial de CVaR se define como la el VaR Condicional del portafolio menos el VaR Condicional del portafolio sin derivados.

Superintendencia de Bancos del Ecuador Dirección Nacional de Estudios e Información SUBDIRECCIÓN DE ESTUDIOS

EVALUACION INSTITUCIONES ELEGIBLES

INFORME MENSUAL MARZO 2016

Reporte sobre la Composición del Portafolio Consolidado de FHipo al 31 de diciembre de 2016

Reporte sobre la Composición del Portafolio Consolidado de FHipo al 31 de marzo de 2017

Reporte sobre la Composición del Portafolio Consolidado de FHipo al 30 de junio de 2017

GESTION DE ACTIVOS Y PASIVOS. Mayo 2003

Herramientas para años recesivos: Foco, Eficiencia, Data y Analítica Juan Felipe Moreno VP Consultoría Latinoamérica TransUnion

Avances del Sector Vivienda. Marzo 2013

REASEGUROS PRIVADOS DE CARTERAS DE GARANTÍA Experiencia FNG Colombia

F.T.A. SANTANDER HIPOTECARIO 8

Avances del Sector Vivienda Julio 2011

SUPERINTENDENCIA FINANCIERA DE COLOMBIA REGIMEN GENERAL DE EVALUACION, CALIFICACION Y PROVISIONAMIENTO DE CARTERA DE CREDITO

Finanzas Estructuradas

Reporte mensual del sector de la vivienda

Reporte mensual del sector de la vivienda

INDICE LIDER. Indicador anticipado de actividad económica MARZO 2010 EN MARZO, EL ÍNDICE LIDER SE RECUPERÓ 3.6% IL Informe 1

Informe de la Administración integral de riesgos. Administración de Riesgos. Riesgo de crédito

GUÍA DE EJERCICIOS. Áreas Matemáticas Análisis Estadístico

ACTUAL S.A. OBLIGACIONES NEGOCIABLES PYMES SERIE I

(En miles de nuevos soles)

INDICADOR DE CONFIANZA DEL CONSUMIDOR. MES DE MAYO EVOLUCIÓN DE INDICADORES

Santiago de Cali, 10 de Noviembre de 2010

Dirección de Estudios Financieros. Informe de Actividad Bancaria

I N D I C E D E P R E C I O S A L C O N S U M I D O R

Subdirección General de Administración de Cartera. Octubre 2015

Compendio Estadístico de la Industria del Crédito. Junio 2014

PRINCIPALES CUENTAS PRINCIPALES CUENTAS - SISTEMA BANCARIO. Variación TOTAL BANCOS PRIVADOS. Referencia. mensual TOTAL BANCOS PRIVADOS.

INST.MPAL.DE ARTE Y CULTURA DE AHOME ESTADO DE SINALOA ESTADO DE FLUJOS DE EFECTIVO AL 31/ene/2013. Fecha de Impresión 13/may/13 Página: 1

EL SISTEMA DE RIESGO EN COPROCENVA: visión empresarial

Avances del Sector Vivienda Junio 2011

Avances del Sector Vivienda Enero 2012

Avances del Sector Vivienda Noviembre 2012

A LOS QUE SE REFIERE EL INCISO B), FRACCIÓN III DEL ARTÍCULO 112 DE ESTAS DISPOSICIONES

Avances del Sector Vivienda Mayo 2012

Avances del Sector Vivienda. Diciembre 2012

MODELOS ECONOMETRICOS APLICADOS EN LA GESTIÓN DEL RIESGO DE CRÉDITO

ÍNDICE DE COSTO DE LA CONSTRUCCIÓN DE TUCUMÁN CÁMARA TUCUMANA DE LA CONSTRUCCIÓN

Conducción de la Política Monetaria en México

Avances del Sector Vivienda Febrero 2012

Ser Cliente de Finamex (persona Física o Moral)

El Prepago parcial considerado como el monto que excede a la mensualidad programada que disminuye el saldo insoluto pero que no liquida el crédito.

Titulo (1) Subdirección de Administración. Jefatura de Servicios de Recursos Humanos

Situación INMOBILIARIA 1er. SEMESTRE 2017

En el mes de abril, las colocaciones totales

BOLSA MEXICANA DE VALORES, S.A.B. DE C.V. INFORMACIÓN DE CREDITOS ADQUIRIDOS EN MASA

Cartera Bursatilizada. Fideicomiso 685 Junio 2011

CALENDARIO LUNAR

RESUMEN TRIMESTRAL DE LA GESTIÓN DE RIESGOS

Retos para los Sistemas de Garantía Carlos Andrés Paris

Mendoza. Región Noroeste. Región Sur

El financiamiento hipotecario acelera y crece 17% a septiembre

Economía en la escuela

Método Días de Historia Horizonte Escenarios Nivel de Confianza Histórico día No aplica 95% Monte Carlo día 2,000 95%

Evolución del financiamiento a PYMES y algunas lecciones aplicables a las Uniones de Crédito

ESTADÍSTICAS DE COYUNTURA ECONÓMICA Boletín Mensual. Ventas de Supermercados

JPMorgan Chase Bank N.A., Sucursal Buenos Aires

CURSO PRESENCIAL RIESGO DE CRÉDITO APLICADO:

F.T.A. PYMES SANTANDER 9

NOTAS DE ESTUDIOS DEL BCRP No de octubre de 2017

Reporte Mensual de Precios de Pan Área Metropolitana

B O L E T Í N I N F O R M A T I V O D E L I N S T I T U T O N A C I O N A L DE E S T A D Í S T I C A S

JPMorgan Chase Bank N.A., Sucursal Buenos Aires

ESTADÍSTICA DE TÍTULOS HIPOTECARIOS

JPMorgan Chase Bank N.A., Sucursal Buenos Aires

Asociación de Aseguradores de Chile A.G. Ahorro Previsional Voluntario - Septiembre Participación Depósitos Voluntarios - Septiembre 2004

XVI FORO IBEROAMERICANO DE SISTEMAS DE GARANTIAS FONDO DE GARANTIA SEPTIEMBRE DE 2011

AGREGADOS MONETARIOS Y ACTIVIDAD FINANCIERA

Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico

Medidas de Tendencia central Medidas de Dispersión Medidas de Asimetría

(4) ANEXO C PROCEDIMIENTO PARA LA CALIFICACIÓN Y CONSTITUCIÓN DE ESTIMACIONES PREVENTIVAS

Oportunidades de la reforma financiera. Manuel Sánchez González

CRÉDITO TOTAL: Ene 14 - Oct 15 (Variación porcentual anual)

Reporte mensual del sector de la vivienda

ASOCIACIÓN DE ADMINISTRADORAS DE FONDOS MUTUOS DE CHILE A.G. INFORME MENSUAL DE LA INDUSTRIA

2014, Año de Octavio Paz. Administración de Riesgos

BANCO DE LA REPUBLICA SUBGERENCIA MONETARIA Y DE RESERVAS Mercado a Futuro Peso Dólar Enero de 2013

Evolución Tasa de Cambio - Enero

GESTION DE ACTIVOS Y PASIVOS. Mayo 2003

Transcripción:

PUNTAJE DE COMPORTAMIENTO Febrero 7

Introducción

Introducción El Puntaje de Comportamiento (PC) es una herramienta para evaluar el riesgo de un acreditado con base en su comportamiento de pago. El Modelo considera dos horizontes de tiempo, uno para recuperar la información de pago del acreditado y otro para pronosticar su desempeño. (6 meses) Datos Jul-6 Dic-6 Desempeño Dic-7 ( meses) Cuentas Buenas o Malas? Cuenta Buena: Una cuenta que nunca tuvo 4 o más meses o ciclos de mora en cualquier momento del periodo de desempeño. Cuenta Mala: Una cuenta que tuvo 4 o más meses o ciclos de mora en cualquier momento del periodo de desempeño. 3

De Puntaje a Momios Una vez que el Puntaje de Comportamiento es calculado, puede ser convertido a momios*. MOMIOS = * (( PC 5 )/) Por ejemplo, una relación de momios : significa que para una población punteada de créditos, esperamos, basados información previa, que créditos se comportarán adecuadamente (B por Buenos créditos) por cada créditos que se comporte de manera no satisfactoria, (M por Malos Créditos) durante los meses subsecuentes a la fecha en que se punteó la población. * Los Momios representan el número de créditos que permanecen como Buenos, por cada crédito que se vuelve Malo. 4

Características Específicas 5 El Puntaje de Comportamiento fue calibrado para doblar los momios cada puntos. Probabilidad de Incumplimiento (PI) por Intervalo de Puntaje Probabilidad de Incumplimiento.9.8.7.6.5.4.3.. 36 367 374 38 388 395 4 49 46 43 43 437 444 45 458 465 47 479 486 493 5 57 54 5 58 535 54 Puntaje Promedio de PI por cada unidades de puntaje Probabilidad de Incumplimiento

6 Modelo de Puntaje de Comportamiento: SHF

7 Base de Datos: Variables (/6). NUMERO DE MORAS> {-6} Número de meses en los que la cuenta ha estado en mora durante los últimos 6 meses. i Mes Caso Caso Caso3 Caso 4 3 Dic-6 Nov-6 Oct-6 Meses de Morosidad al Mes Respectivo 5 4 Valores Posibles + Puntaje 4 Sep-6 3 5 Ago-6. 6 Jul-6. Valor de Variable 5 5 >6 - Puntaje

8 Base de Datos: Variables (/6). MAXIMA CADENA DE MOROSIDAD> {-6} Máxima cadena de meses consecutivos en mora durante los últimos 6 meses. i Mes Dic-6 Caso Caso Caso3 Meses de Morosidad al Mes Respectivo Caso 4 Valores Posibles + Puntaje 3 4 5 6 Nov-6 Oct-6 Sep-6 Ago-6 Jul-6 5 4 3.. >6 - Puntaje Valor de Variable 5 4

9 Base de Datos: Variables (3/6) 3. NUMERO DE MORAS > {-6} Número de meses en los que la cuenta ha estado en mora ó más veces durante los últimos 6 meses. i Mes Dic-6 Nov-6 Caso Caso Caso3 Meses de Morosidad al Mes Respectivo 5 Caso 4 Valores Posibles + Puntaje 3 Oct-6 4 4 Sep-6 3. 5 Ago-6. 6 Jul-6 >6 - Puntaje Valor de Variable 4

Base de Datos: Variables (4/6) 4. RELACIÓN PAGOS REALIZADOS {-3} % REQUERIDOS {-3} Suma de pagos realizados (Pagos Real.) durante los últimos 3 meses como porcentaje de la suma de los pagos requeridos (Pagos Req.) durante los últimos 3 meses. i Mes Dic-6 Nov-6 3 Oct-6 4 Sep-6 5 Ago-6 6 Jul-6 Suma{i= a 3} Pagos Real. 98 3 Caso Pagos Req. 3 P. Real. / P. Req. % Pagos Real. 5 5 5 98 5 Caso Pagos Req. 3 P. Real. / P. Req. 5% Valores Posibles (%).. > - Puntaje + Puntaje Valor % 5%

Base de Datos: Variables (5/6) 5. DÍAS DESDE EL ÚLTIMO PAGO Número de días desde el último pago. Se calcula como la diferencia entre la fecha de vencimiento (Fecha Venc.) y la fecha del último pago (Fecha Ult.). Valores Posibles.. >6 + Puntaje - Puntaje i Mes Caso Caso Fecha Venc. Fecha Ult. Fecha Venc. Fecha Ult. Fecha Venc. Fecha Ult. Fecha Venc. Fecha Ult. Dic-6 3//6 3/9/6 9 3//6 5//6 6 Nov-6 3//6 3/9/6 3//6 //6 3 Oct-6 9//6 3/9/6 9//6 9//6 4 Sep-6 3/9/6 3/9/6 3/9/6 3/9/6 5 Ago-6 3/8/6 8/8/6 3/8/6 8/8/6 6 Jul-6 3/7/6 7/7/6 3/7/6 7/7/6 Valor 9 6

Base de Datos: Variables (6/6) 6. MAXIMA CADENA DE DECREMENTO EN SALDO {-6} Máxima cadena de meses consecutivos con decremento en el saldo durante los últimos 6 meses. i Mes Dic-6 Nov-6 3 Oct-6 4 Sep-6 5 Ago-6 6 Jul-6 Valor de Variable Caso,936 6,48,56 3 Caso 7 55,936 6,48,56 3 Caso 3 $ 55 55,936 6,48,56 3 Caso 4 55,936 6,48,56 5 Valores Posibles.. >5 - Puntaje + Puntaje

Ejemplos 3

4 Verificación del Poder Discriminatorio

Backtesting I Para el Portafolio SHF, el Puntaje de Comportamiento presenta un alto poder discriminante entre Buenos y Malos créditos. El Backtesting consiste en puntear una cartera y posteriormente identificar Buenos y Malos créditos, después de meses de desempeño. % Comportamiento Esperado vs Observado (Sep5-Sep6) 8% % del Intervalo 6% 4% % % 36-4 4-4 4-44 44-46 46-48 48-5 5-5 5-548 Intervalos de Puntaje Malos/Total Buenos/Total Probabilidad de Incumplimiento * Si un crédito tuvo 4 o más meses o ciclos de mora, durante los meses siguientes a la fecha de puntaje, es considerado como un crédito malo. 5

Backtesting II 6 En la gráfica se muestra el porcentaje acumulado de créditos punteados en Sep-5 y clasificados como Buenos o Malos en Sep-6. Mientras más lejos se encuentre una línea de la otra, mayor es el poder discriminante del Puntaje de Comportamiento. Estadísticas Acumulativas Intervalos de Score 8 5-548 7 5-5 6 48-5 5 46-48 4 44-46 3 4-44 4-4 36-4 + Puntaje - Puntaje Intervalos de Puntaje 8 7 6 5 4 3 95 9 85 8 75 7 65 6 55 5 45 4 35 3 5 5 5 Acumulado % Créditos Malos Lineal (Créditos Malos) Créditos Buenos Lineal (Créditos Buenos)

7 Backtesting III Las distribuciones de buenos y malos están suficiente separadas una de otra. Lo cual reafirma el poder discriminante del Puntaje de Comportamiento. Distribución de Buenos y Malos 6% 5% % de Buenos y Malos 4% 3% % % % 36-4 4-4 4-44 44-46 46-48 48-5 5-5 5-548 Intervalos de Puntaje Créditos Buenos Créditos Malos

8 Resultados: Portafolio Garantizado de SHF

Portafolio Garantizado por Puntaje de Comportamiento: Oct-6 9 Gran parte de los créditos, en octubre de 6, están ubicados en el intervalo más alto de Puntaje de Comportamiento. Distribución del Puntaje de Comportamiento: Oct-6, 9, 8, Número de Créditos 7, 6, 5, 4, 3,,, 36-4 4-4 4-44 44-46 46-48 48-5 5-5 5-548 Intervalos de Puntaje

Matriz de Transición: Oct-6 Oct-5 La Matriz de Transición se construyó como un promedio del número de cambios mensuales de intervalo de puntaje que los créditos experimentaron durante meses. Como se esperaba, la diagonal principal concentra la mayor probabilidad de migración, lo que indica que el portafolio garantizado de SHF muestra tendencia a permanecer estable. Matriz de Transición Promedio (%) Intervalos de Puntaje 36-4 4-4 4-44 44-46 46-48 48-5 5-5 5-548 Total Intervalos de Puntaje 36-4 5. 3.9. 4.8.4.4.. 4-4 7.5 4.6 8.3 4. 6.3 3... 4-44 6.5 9. 4.9 6.7. 4..5. 44-46.9 8.3 3.8 34. 3.8. 5.7.5 46-48.7 3.8 6.6 6. 45.9 8.6 7.4.9 48-5..3. 3.5.5 45.6.6 6.3 5-5....5.4 3.8 55. 8. 5-548......4 7.9 9.6

Puntaje de Comportamiento por Loan to Value: Oct-6 A través de los intervalos de LTV, el promedio del Puntaje de Comportamiento se mantiene estable, sin embargo, la dispersión aumenta para LTV s mayores a 85%. PC Promedio por Loan to Value (LTV%): Oct 6 56 6, PROSAVI Puntaje Promedio 54 5 5 48 46 44 5, 4, 3,, Número de Créditos Apoyo INFONAVIT 4, 4-7% 7-85% 85-9% 9-% Intervalos de LTV Créditos Media Pctl 9 Pctl

Puntaje de Comportamiento por Actividad de Acreditado: Oct-6 EL número de créditos en el sector no formal es relativamente pequeño y su variabilidad en términos de Puntaje de Comportamiento es considerable. Puntaje de Comportamiento por Actividad del Acreditado: Oct 6 Promedio de Puntaje 56 54 5 5 48 46 44 4 9, 8, 7, 6, 5, 4, 3,,, Número de Créditos 4 Formal Profesionista Ind. Informal Actividades del Acreditado Créditos Promedio Pctl 9 Pctl

Puntaje de Comportamiento por Administrador de Activos: Oct-6 3 Los créditos con SOFOLES con calificación de administración de activos Superior al Promedio tienen un mayor cantidad de créditos, con respecto a las SOFOLES con calificación Promedio. También cuentan con mayor puntaje promedio así como menor dispersión de puntaje. Puntaje de Comportamiento por Administrador de Activos: Oct-6 Puntaje Promedio 56 54 5 5 48 46 44 4 9, 8, 7, 6, 5, 4, 3,,, Número de Créditos 4 Promedio Superior al Promedio Calificación de Adm. de Activos Créditos Promedio Pctl 9 Pctl

Puntaje de Comportamiento por Edad de Crédito: Oct-6 4 El Puntaje de Comportamiento promedio por edad del crédito tiende a aumentar para edades mayores a 5 meses. Distribución de Puntaje Promedio por Edad 538 533 Puntaje Promedio 58 53 58 53 58 53 4 7 3 6 9 5 8 3 34 37 4 43 46 49 5 55 58 6 Punto de Corte Edad en Meses

5 Usos del Puntaje: Mitigación de Pérdidas Ordenando el Portafolio de Créditos por Puntaje de Comportamiento podemos identificar pérdidas potenciales en aquellos créditos con puntaje bajo. Cut-off point Puntaje de Comportamiento Ordenado 36 356 : 53 55 Crédito C V G Y Acción de Mitigación: En aquellos créditos con Puntaje de Comportamiento por debajo del Punto de Corte (53 pts.) podría llamarse a los acreditados correspondientes y hablarles sobre su deficiente situación crediticia. 5 U 55 O : 548 Q

Propuesta para compartir el score de comportamiento con las Sofoles 6 SHF está interesada en poner a disposición del sector el puntaje de comportamiento, con la finalidad de ayudar en la medición y monitoreo del riesgo de la cartera hipotecaria Para ello, se propone un esquema de acceso con costo por consulta fee per hit Score Comportamiento 6 pesos ~ US$.5 Para ayudar a los intermediarios financieros a formarse un juicio sobre el poder discriminante del puntaje, se propone que los intermediarios interesados envíen hasta 5, créditos al Área de Riesgos de SHF (ggomez@shf.gob.mx) para calcular su score, y regresar a su vez la base de datos escoreada para que los intermediarios realicen sus propias pruebas de poder predictivo y de back-testing