1 RIESGOS FINANCIEROS FACULTAD DE CIENCIAS CARRERA: ING. EN CIENCIAS ECONÓMICAS Y FINANCIERAS PERIODO: 2010-2 Ing. Marcela Guachamín

2 TEMARIO SEPTIMA Y OCTAVA CLASE Modelos Scoring  ¿Por qué usar?  Modelo Logístico  Ejemplo SPSS

3 Metodología Scoring  Es una herramienta para la evaluación automática de personas y empresas:  Rápida  Segura  Consistente  Que es capaz de determinar la probabilidad futura de ocurrencia de un evento, tales como:  Pago  Respuesta  Uso  Deserción Definición

4 ¿Por qué usar Score?  Pronosticar el comportamiento futuro de la cuenta con mayor precisión  Orientar los esfuerzos hacia mercados más rentables  Asignar recursos internos de manera más eficaz  Automatizar el procedimiento de toma de decisiones  Mejorar los resultados financieros

5  Asociar a cada cliente un puntaje el cual estime la probabilidad de pago de un solicitante de crédito.  Evaluar los resultados con índices estadísticos y financieros.  Reemplazar la metodología existente de asignación de cupos con la segmentación otorgada por el score.  Direccionar los esfuerzos comerciales hacia mercados más rentables.  Asignar los recursos internos de manera eficaz  Automatizar los procesos de toma de decisión asociados a la fase de aprobación de crédito. ¿Objetivos del scoring?

6 ¿Para que es útil un score?  Identificar y segmentar mejor el universo de clientes potenciales: ▫Poner el foco en los clientes mas rentables ▫Realizar ofertas diferenciadas para aumentar el nivel de respuesta ▫Desarrollar estrategias para mercados de aparentemente alto riesgo.  Evaluar de manera objetiva y consistente la relación entre riesgo y beneficio para la adquisición de nuevos clientes: ▫Reducir el riesgo manteniendo un volumen fijo de aprobaciones ▫Aumentar el número de aprobaciones manteniendo el mismo nivel de riesgo  Gerencia y mantenimiento de cuentas: ▫Establecer límites de crédito ▫Aumentar o disminuir límites de crédito ▫Establecer precios, comisiones y tasas de interés ▫Decidir opciones de renovación ▫Ofrecer nuevos productos ▫Priorizar las acciones de cobranza

7 MODELOS DE REGRESIÓN LOGÍSTICA Estos modelos expresan la probabilidad de que ocurra el evento en cuestión como función de ciertas variables: Si ese hecho que queremos modelizar predecir lo representamos por Y (la variable dependiente), y las k variables explicativas (independientes y de control) se designan por X1, X2, X3,…,Xk, la ecuación general (o función logística) es:

8 TIPOLOGÍA DE MODELOS LOGIT(I) LOGIT Respuesta binaria: LOGIT DICOTÓMICO (0, 1) Respuesta múltiple (1, 2, …, J) Datos no ordenados: LOGIT MULTINOMIAL Datos ordenados: LOGIT ORDINAL

9 Definición de Clientes Buenos y Malos Probabilidad de ser Cliente Bueno es : Probabilidad depende de ciertos factores Estimación de la probabilidad P p=p(x) Construcción de un Modelo de Score

10 MODELOS DE REGRESIÓN LOGÍSTICA Fuente: Curso Modelos Básicos Econométricos Scalar Consulting

11 ETAPAS PARA CONSTRUIR UN MODELO LOGIT(I) ESPECIFICACIÓN ESTIMACIÓN VALIDACION UTILIZACIÓN Definición de la variable endógena, explicativas y forma funcional Cálculo de los parámetros Individual: Ver que variables resultan significativas estadísticamente Conjunta: Ver si en conjunto el modelo es aceptable Predicción Interpretación de los parámetros

12 MODELOS DE REGRESIÓN LOGÍSTICA Fuente: Curso Modelos Básicos Econométricos Scalar Consulting

13 MODELOS DE REGRESIÓN LOGÍSTICA Fuente: Curso Modelos Básicos Econométricos Scalar Consulting

14 MODELOS DE REGRESIÓN LOGÍSTICA

15 Fuente: Curso Modelos Básicos Econométricos Scalar Consulting

16 MODELOS DE REGRESIÓN LOGÍSTICA EN SPPSS SCORING DE GESTION

17

18

19

20

21

22

23

24

25